- 综合排序
- 最热优先
- 最新优先
- 来自专栏Duncan's Blog
准确率和召回率及如何提高准确率
准确率和召回率的计算 准确率是预测正确数量 / 总数量 精确率(precision)是针对预测结果而言,它表示的是预测为正的样本中有多少是真正的正样本.预测为正有两种可能,一种就是把正类预测为正类( AFP}\) \(micro-R=\frac{ATP}{ATP + AFN}\) \(micro-F1=\frac{2*micro-P*micro-R}{micro-P+micro-R}\) 如何提高准确率 提高准确率的手段可以分为三种:1)Bagging 2)Boosting 3)随即森林 在一般经验中,如果把好坏不等的东西掺到一起,那么通常结果会是比最坏的要好一些,比最好的要坏一些.集成学习把多个学习器结合起来
8.2K20发布于 2018-09-04 - 来自专栏全栈程序员必看
训练集准确率很高，验证集准确率低问题
训练集在训练过程中，loss稳步下降，准确率上升，最后能达到97% 验证集准确率没有升高，一直维持在50%左右（二分类问题，随机概率） 测试集准确率57% 在网上搜索可能打的原因： 1.learning .训练集和测试集数据没有规律 3.数据噪声太大 4.数据量太小（总共1440个样本，80%为训练集） 5.训练集和测试集数据分布不同：如训练集正样本太少（如果训练集和测试集每次运行随机选择，则排除） 6. 恭喜你，你压根也分不对，你的validation准确率会一直为0.因为你拿所有的正样本训练，却想判断负样本。 4.数据和标签没有对上 有可能再读取自定义的数据库的时候出现问题，导致数据与标注不对应。 遇到这种情况，建议： 1.使用别的大的数据集预训练 2.使用DATA augment 3.可以考虑迁移学习 6.最好使用预训练的权重 大多数流行的backone比如resnet都有再imagenet数据集上与训练过
4.7K40编辑于 2022-11-04 - 来自专栏新智元
AI可提前6年识别老年痴呆症，准确率高达98%
目前阿尔兹海默症并没有治愈的方法，但是近期，来自加州大学旧金山分校的医学博士Jae Ho Sohn利用机器学习方法，应用于PET扫描，能够在确诊前6年做出诊断，准确率高达98%。 研究人员利用一种常见的脑部扫描编写了一种机器学习算法，在确诊出早期阿尔茨海默症(Alzheimer 's disease，又称老年痴呆症)前大约6年前就可以做出诊断，这可能会给医生提供一个干预治疗的机会 预测准确率高达98%，下一步着眼更多样化样本 为了训练算法，Sohn从阿尔茨海默症神经成像计划(ADNI)中获取了大量图像。 更重要的是，在患者接受最终诊断之前，它平均预测了75.8个月 ，略多于6年。 Sohn说，下一步的计划是在来自不同医院和国家的更大、更多样化的数据集上测试并校准算法。
1.5K20发布于 2019-01-09 - 来自专栏全栈程序员必看
f1值准确率召回率_nt值准确率高吗
1、混淆矩阵 混淆矩阵中T、F、P、N的含义： T:真，F:假，P:阳性，N:阴性 然后组合： TP:真阳性 TN:真阴性 FP:假阳性 FN:假阴性 2、精确率（准确率）： 你认为对的中，
51030编辑于 2022-09-20 - 来自专栏DeepHub IMBA
匹配网络处理不平衡数据集的6种优化策略：有效提升分类准确率
匹配网络（Matching Networks）是基于度量的元学习方法，通过计算查询样本与支持集中各样本的相似性实现分类。核心机制依赖距离度量函数，余弦相似度因其对向量幅值不敏感的特性成为主流选择。特征提取阶段与相似度计算之间引入的注意力机制能够为特征向量的不同维度分配差异化权重，这种加权策略在处理图像数据时能够突出空间和语义上的关键特征。注意力核的引入使网络具备选择性关注能力，在面对复杂多模态输入或存在噪声干扰的数据时表现出更强的泛化性。
26410编辑于 2025-11-15 - 来自专栏新智元
CMU等提出超实用「模型泛化性」指标，分布外准确率提升6% | ICML 2024 Oral
，最高可达6%，且对分布内性能无负面影响。 结果显示，VLMs在ID准确率较低的同时展现出更高的OOD准确率，并与VMs形成了两条截然不同的趋势线（如下图左图所示），破坏了Accuracy-on-the-Line中的线性关系。 因此，传统的ID准确率指标已无法统一衡量这两类模型的泛化性能。 例如，在ObjectNet上，LCA距离与OOD性能的相关性达到0.95，而ID准确率仅为0.52。 实验显示，LCA距离引导的软标签可显著提升模型在OOD测试集上的泛化性能，准确率可提升最多6%，且不影响ID准确率。
35700编辑于 2025-02-15 - 来自专栏气象学家
AI气候预测重大突破：SOON网络将6周预报准确率推向新高度
本文提出了一种新的深度学习架构，旨在解决当前气候预测模型在长时效（2-6周）预测中的关键缺陷。 1. 研究背景与核心痛点 • 任务重要性：次季节至季节（S2S，提前2-6周）的气候预测对于防灾减灾、能源调度和农业规划至关重要。 轻量级解码器 (Decoder) • 将演化后的潜在表示映射回物理网格，输出未来第3-4周和第5-6周的双周平均预测场。 3. • 特别是在第5-6周的长时效预测窗口，SOON表现出极强的鲁棒性，而其他模型在此阶段性能大幅下降。 • 在高纬度地区（极地），SOON克服了传统模型的投影失真问题，误差显著低于竞争对手。 • 实际价值：不仅提高了预测准确率，还大幅降低了计算成本，使得高分辨率的全球次季节预测更加可行。 • 未来展望：目前模型是确定性的，未来工作将结合生成式框架以量化混沌系统中的预测不确定性。
17710编辑于 2026-03-26 - 来自专栏Frank909
用Pytorch自建6层神经网络训练Fashion-MNIST数据集，测试准确率达到 92%
100693365 一般的深度学习入门例子是 MNIST 的训练和测试，几乎就算是深度学习领域的 HELLO WORLD 了，但是，有一个问题是，MNIST 太简单了，初学者闭着眼镜随便构造几层网络就可以将准确率提升到 现实开发当中的例子可没有这么简单，如果让初学者直接去上手 VOC 或者是 COCO 这样的数据集，很可能自己搭建的神经网络准确率不超过 30%。 总共 6 层网络，4 层卷积层，2 层全连接。 用 Pytorch 实现起来也非常方便。 跑一个 epoch 的时间大概花费 6 秒多。 经过 30 个 epoch 之后，训练准确度可以达到 99%，测试准确率可以为 92.29%. [0, 499] loss: 0.4572 Accuracy of the network on the
3.7K40发布于 2019-09-18 - 来自专栏大龄程序员的人工智能之路
提高模型准确率：组合模型
然而，人们探索新知识总是永无止境，在提高深度学习模型准确率方面，仍在孜孜不倦的追求着。这篇文章将介绍一种提升模型准确率的方法：组合模型。 多个模型投票的结果，应该好于单个模型的准确率。 当然，机器学习看起来有些不靠谱（拿概率说事），但还是建立在严密的理论基础之上，组合模型提高准确率如果仅仅建立在一条谚语之上，不足以说服人，也没办法让人接受。 看到这儿，你可能会有些失望，费了这么大的劲，好像也没啥提升，但是别忘了，在医疗领域、自动驾驶领域，即使费上好大的力气，准确率能够提升小数点后面几位，都是值得的。 就像每年度的kaggle竞赛，人们依然在孜孜不倦的追求着准确率的提升。 以上实例均有完整的代码，点击阅读原文，跳转到我在github上建的示例代码。
71220发布于 2019-07-01 - 来自专栏Hsinyan写字的地方
测试集的分类准确率
5, 6, 7, 8, 9, 0, 1, # 2, 3, 4, 5, 6, 7, 8, 9, 0, 9, 5, 5, 6, 5, 0, 9, 8, 9, 8, 4, 1, 7, # 7, 3, 5, 1, 0, 0, 2, 2, 7, 8, 2, 0, 1, 2, 6, 3, 3, 7, 3, 3, 4, 6, # 6, 6, 4, 9, 1, 5, 0, 9, 5, 2, 8, 2, 0, 0, 1, 7, 6, 3, 2, 1, 7, 4, # 6, 3, 1, 3, 9, 1, 7, 6, 8, 4, 3, 1]) # 查看一下第666个数据 some_digit sum(y_predict == y_test) / len(y_test) # 0.9916434540389972 使用上述过程即可使用kNN算法(k取3)，且对测试集进行预测的准确率达到99.16% 以上 封装自己的准确率函数 def accuracy_score(y_true, y_predict): """计算y_true和y_predict之间的准确率""" assert len
75110编辑于 2022-06-19 - 来自专栏ASR
如何提升语音转写准确率？
如有需要微调提升 ASR 识别准确率也欢迎在我的个人博客首页中找到我的联系方式。
92910编辑于 2025-04-19 - 来自专栏算法与编程之美
提升网络训练的准确率
1 问题 模型训练结果的准确率只有百分之60多，因此需要提升准确率。 2 方法 mnist 数据集有60000张图片作为训练数据，10000张图片作为测试数据。 当数据量十分大的时候，一次性投入训练效果往往会变差，为此需要对数据进行分批次的训练，用epoch进行周期训练达到提升准确率的目的。
53820编辑于 2023-01-03 - 来自专栏nginx遇上redis
准确率（Accuracy）、召回率(Recall)
准确率 (Accuracy) 准确率是指有在所有的判断中有多少判断正确的，即把正的判断为正的，还有把负的判断为负的；总共有 TP + FN + FP + TN 个，所以准确率：(TP+TN) / (TP
64110编辑于 2024-05-13 层级表征提升图像检索准确率
特别是，代理锚损失已被证明能够达到最先进的图像检索准确率，同时比成对损失收敛得快得多。我们的工作提出了一种新的代理损失，它显式地利用类别层次结构信息来提高图像检索准确率。 在五个标准度量学习数据集上评估图像检索准确率，发现HPL始终优于两种基线方法，达到了新的最先进水平。
14210编辑于 2025-12-29- 来自专栏NLP小白的学习历程
为什么神经网络模型在测试集上的准确率高于训练集上的准确率？
如上图所示，有时候我们做训练的时候，会得到测试集的准确率或者验证集的准确率高于训练集的准确率，这是什么原因造成的呢？经过查阅资料，有以下几点原因，仅作参考，不对的地方，请大家指正。 因为在训练期间，Dropout将这些分类器的随机集合切掉，因此，训练准确率将受到影响 在测试期间，Dropout将自动关闭，并允许使用神经网络中的所有弱分类器，因此，测试精度提高。
5.7K10发布于 2020-11-13 - 来自专栏AI粉嫩特攻队
你的ChatBI(问数)准确率不到50%？带你深度拆解90%准确率的高德ChatBI案例
用户问："为什么A产品6月比5月销量下降了？" 首先，Agent会思考到需要搞清楚具体下降了多少； 然后，Agent会调用SQL查询工具获取5月和6月的销量数据； 接着，Agent发现5月1000件，6月800件，下降了20%； 然后，Agent判断 结果显示访客数从10000降到8500（下降15%），转化率从5%降到4.7%（下降6%），客单价没变。 Agent继续深挖，调用广告投放分析工具，发现6月的广告预算从50万减少到35万，下降了30%，但广告的点击率和转化率都保持稳定。 6. 结果一致性问题 同一个问题，模型可能生成不同SQL，导致结果不同，甚至完全矛盾。
1.1K20编辑于 2025-09-06 - 来自专栏人工智能
GAN提高人体重识别准确率
以上是作者提到的LSR方法．后来作者以此为灵感提出了LSRO方法:如果训练数据一共有K类，那么生成的图片属于每个类的概率是 .可以写成下图中(6)式 结合(1)(2)(6)可以写出(7)式．
2.2K70发布于 2018-01-02 - 来自专栏算法与编程之美
如何提高深度学习预测准确率
1.问题 在深度学习中，评估模型很重要的一点就是准确率，就是正例预测也是正例的数量占所有预测是正例的数量的比例，但在模型训练中，准确率有时候不是很高，我们就需要来提高准确率，让模型达到我们的要求， 2.方法 在网上我们可以找到很多提高准确率的方法，优化参数，修改模型等等，都可以提高模型的准确率，我们通过学习率的方法来提高最后的准确率，首先我们定义每一批次处理的数据大小，然后计算分批处理次数， 代码具体如下 最后得到的准确率也大大提高证明这种方法时可以的，相比之前的准确率也大幅提高，而且我们还可以修改一些参数来提高最后的结果 3.结语 针对这次机器学习的模型预测，我们通过学习率的更新
67711编辑于 2022-10-28 - 来自专栏全栈程序员必看
map平均准确率_拓扑排序怎么排
数据范围 1≤N,M≤30000 输入样例： 10 10 3 8 2 3 2 5 5 9 5 9 2 3 3 9 4 8 2 10 4 9 输出样例： 1 6 3 3 2 1 1 1 1 1 #include
30540编辑于 2022-09-22 - 来自专栏机器学习AI算法工程
车辆检测及型号识别，准确率接近90%
搭建一个native程序，使用pyqt等GUI框架搭建GUI界面 训练数据集为分类数据，在1080Ti显卡上，以inceptionv4网络，0.001的学习率，利用google提供的预训练模型，在6～ 8个小时的训练后可以得到top1 80%的准确率。
1.4K10发布于 2019-10-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号