- 综合排序
- 最热优先
- 最新优先
- 来自专栏WD学习记录
机器学习 学习笔记（11） 贝叶斯分类器
的样本误分类为 ? 所产生的损失，则基于后验概率 ? 可获得将样本x分类为 ? 所产生的期望损失，记在样本x上的条件风险 ? 希望找到一个判定准则h以最小化总体风险 ? ，于是，最小化分类错误率的贝叶斯最优分类器为 ? ，即对每个样本x，选择能使后验概率P(c|x)最大的类别标记。 要求解 ? ，主要有两种策略：给定x，可通过直接建模 ? 朴素贝叶斯分类器 朴素贝叶斯分类器采用了属性条件独立假设：对已知类别，假设所有属性相互独立，换言之，假设每个属性独立地对分类结果产生影响。 基于属性条件独立假设： ? d为属性数目， ? ，这就是朴素贝叶斯分类器的表达式。 显然，朴素贝叶斯分类器的训练过程就是基于训练集D来估计类先验概率P(c)，并为每个属性估计P(xi|c)。 半朴素贝叶斯分类器 对属性条件独立性假设进行一定程度的放松，产生了半朴素贝叶斯分类器。
1.7K30发布于 2018-09-04 - 来自专栏DeepHub IMBA
11个常见的分类特征的编码技术
器学习算法只接受数值输入，所以如果我们遇到分类特征的时候都会对分类特征进行编码，本文总结了常见的11个分类变量编码方法。 这种方法非常简单，但对于表示无序数据的分类变量是可能会产生问题。比如：具有高值的标签可以比具有低值的标签具有更高的优先级。 因为考虑到分类的特征记录被排除在训练数据集外，因此被称为“Leave One Out”。 对特定类别变量的特定值的编码如下。 ci = (Σj ! featucalculate:到目前为止已经看到的、具有与此相同值的分类特征的总数。 11、 Sum Encoder Sum Encoder将类别列的特定级别的因变量(目标)的平均值与目标的总体平均值进行比较。
1.7K30编辑于 2023-01-18 天气识别分类数据集6862张11类别
数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：6862 分类类别数：11 类别名称:["dew","fogsmog","frost","glaze" 232 rime 图片数：1160 sandstorm 图片数：692 snow 图片数：621 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放
14200编辑于 2025-07-15使用纯opencvsharp部署yolov11-onnx图像分类模型
【官方框架地址】 https://github.com/ultralytics/ultralytics.git 【算法介绍】 使用纯OpenCvSharp部署YOLOv11-ONNX图像分类模型是一项复杂的任务 推理与后处理：将预处理后的图像输入到模型中，获取分类结果。对结果进行后处理，包括解析输出、应用非极大值抑制（如果需要）等，以获得最终的分类结果。 显示结果：将分类结果显示在界面上，可以通过OpenCvSharp的图像显示功能实现。 值得注意的是，YOLOv11是一个复杂的模型，其输出可能包含多个层的信息，因此需要仔细解析模型输出，并根据YOLOv11的具体实现进行后处理。 总之，使用纯OpenCvSharp部署YOLOv11-ONNX图像分类模型需要深入理解YOLOv11的模型架构、OpenCvSharp的DNN模块以及ONNX格式。
55301编辑于 2025-07-22使用onnxruntime部署yolov11-cls图像分类onnx模型
如果只需要opencv去部署yolov11分类模型可以参考博文：https://blog.csdn.net/FL1623863129/article/details/142734819? spm=1001.2014.3001.5501 本文和 opencv去部署yolov11分类模型区别是：opencv部署推理核心使用opencv自带api，而本文推理核心用的onnxruntime，opencv 使用C++和ONNX Runtime部署YOLOv11-CLS图像分类ONNX模型，涉及到以下几个关键步骤： 环境配置：首先，需要安装ONNX Runtime库，可以通过从ONNX Runtime的GitHub 这将返回模型的输出，通常是一个包含分类结果的张量。 结果处理：解析模型的输出，提取有用的信息（如分类标签和置信度），并根据需要进行进一步的处理或可视化。 通过以上步骤，可以在C++中使用ONNX Runtime成功部署YOLOv11-CLS图像分类模型，实现高效的图像分类任务。
80110编辑于 2025-07-22- 来自专栏AI技术体系搭建过程
面试刷题11:java系统中io的分类有哪些？
随着分布式技术的普及和海量数据的增长，io的能力越来越重要，java提供的io模块提供了足够的扩展性来适应。 我是李福春，我在准备面试，今天的问题是： java中的io有哪几种？ java中的io分3类： 1，BIO ,即同步阻塞IO,对应java.io包提供的工具；基于流模型，虽然直观，代码实现也简单，但是扩展性差，消耗资源大，容易成为系统的瓶颈； 2，NIO，同步非阻塞io,对应java.nio包提供的工具，基于io多路复用； 核心类：Channel ,Selector , Buffer , Charset selector是io多路复用的基础，实现了一个线程高效管理多个客户端连接，通过事件监听处理感兴趣的事件。 3，AIO,即异步非阻塞io, 基于事件和回调
19110编辑于 2025-07-01 使用纯opencv部署yolov11-cls图像分类onnx模型
【算法介绍】 在C++中使用纯OpenCV部署YOLOv11-cls图像分类ONNX模型是一项具有挑战性的任务，因为YOLOv11通常是用PyTorch等深度学习框架实现的，而OpenCV本身并不直接支持加载和运行 将YOLOv11-cls模型从PyTorch转换为ONNX格式，这通常涉及使用PyTorch的torch.onnx.export函数。 将预处理后的图像输入到模型中，并获取分类结果。 对分类结果进行后处理，包括解析输出等。 需要注意的是，由于YOLOv11是一个复杂的模型，其输出可能包含多个层的信息，因此需要仔细解析模型输出，并根据YOLOv11的具体实现进行后处理。 总之，使用纯OpenCV在C++中部署YOLOv11-cls图像分类模型需要深入理解YOLOv11的模型架构、OpenCV的DNN模块以及ONNX格式。
57310编辑于 2025-07-22- 来自专栏机器学习技术分享
11. HanLP实现朴素贝叶斯SVM--文本分类
笔记转载于GitHub项目：https://github.com/NLP-LOVE/Introduction-NLP 11. 文本分类 上一章我们学习了 文本聚类，体验了无须标注语料库的便利性。 load_text_classification_corpus.py https://github.com/NLP-LOVE/Introduction-NLP/tree/master/code/ch11 /tree/master/code/ch11/text_classification.py 运行结果如下: 《C罗获2018环球足球奖最佳球员 德尚荣膺最佳教练》 属于分类 【体育】 《英国造航母耗时 有关支持向量机(SVM)的原理详见我的博客，这里不加详细介绍: http://mantchs.com/2019/07/11/ML/SVM/ 线性支持向量机文本分类器实现 实现代码详见: svm_text_classification.py 第 6 章：条件随机场与序列标注 第 7 章：词性标注 第 8 章：命名实体识别 第 9 章：信息抽取 第 10 章：文本聚类 第 11 章：文本分类 第 12 章：依存句法分析 第 13 章：深度学习与自然语言处理
1.9K10发布于 2020-02-21 - 来自专栏站长的编程笔记
【说站】Windows 11来袭，微软改变默认应用的分类方式！
Windows 11来袭，微软改变默认应用的分类方式！ 或许有人说，“直接去设置里选择一下默认浏览器就行了”，但是值得注意的是，微软已经改变了 Windows 11 中默认应用程序的分配方式。 然而，Windows 11 中是按照文件或链接类型设置默认值。 我希望这只是开发者预览版，Windows 11 的正式版符合他们的要求。这距离’选择’一词相差甚远。” Windows 11 将随着时间的推移继续不断发展，如果我们从用户体验中了解到有改进的方法，我们会这样做。” 以上就是微软改变默认应用分类方式的介绍，希望对大家有所帮助。更多精彩内容分享：头条
61910编辑于 2022-11-24 - 来自专栏最新医学影像技术
TBX11K2020——结核病分类和检测挑战赛
今天将分享结核病分类和检测挑战赛完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。 一、TBX11K2020介绍 结核病作为一种严重的传染病，是全世界人类健康的主要威胁之一，每年导致数百万人死亡。尽管早期诊断和治疗可以大大提高生存机会，但它仍然是一个重大挑战，特别是在发展中国家。 二、TBX11K2020任务 结核病分类（健康，病态但非结核病和结核病），结核病区域检测（活动性结核病和潜伏性结核病）。 三、TBX11K2020数据集 TBX11K 数据集包含 11200 张 X 射线图像，以及结核病 （TB） 区域的相应边界框注释。所有图像的尺寸为 512x512。 评估：分类使用准确率，ROC曲线面积，敏感性，特异性，平均精度和平均召回率；检测使用检测框的平均精度（AP）。 测试提交要求： 分类结果应放在“.txt”文件中，如 $FILE_NAME.txt。
54311编辑于 2023-12-13 - 来自专栏历史专栏
【愚公系列】2022年11月 uniapp专题-优购电商首页-商品分类
文章目录 前言 一、商品分类 ---- 前言 商品分类是指根据一定的管理目的，为满足商品生产、流通、消费活动的全部或部分需要，将管理范围内的商品集合总体，以所选择的适当的商品基本特征作为分类标志，逐次归纳为若干个范围更小 为了方便消费者购买，有利于商业部门组织商品流通，提高企业经营管理水平，须对众多的商品进行科学分类。 商品分类是指为了一定目的，选择适当的分类标志，将商品集合总体科学地、系统地逐级划分为门类、大类、中类、小类、品类以至品种、花色、规格的过程称为商品分类。 一、商品分类 <template> <view> <! -- 当前二级分类下的三级分类列表 --> <view class="cate-lv3-list"> <!
61130编辑于 2022-12-01 - 来自专栏机器学习、深度学习
人群行为分类数据库--Crowd-11: A Dataset for Fine Grained Crowd Behaviour Analysis
Crowd-11: A Dataset for Fine Grained Crowd Behaviour Analysis CVPRW2017 这个数据库目前貌似没有公开，以后应该公开吧。 针对人群行为分析方面的研究，本文主要的工作有以下三点： 1）针对人群行为细分，我们建立了一个较大的数据库 Crowd-11， 11 crowd motion patterns and it is with an average length of 100 frames per sequence. 2）针对本文提出的数据库，我们在上面对比了4个算法的性能 3）针对这个数据库，做了一个异常行为分类应用 estimation 人群密度估计及计数 2） Crowd segmentation 人群分割 3） Crowd video context description 根据 context 信息对视频进行分类 所以我们需要建立一个大的很是数据库 11类视频人群运动名称 ? ?
1K100发布于 2018-01-03 - 来自专栏运维
微软Win11开始菜单分类不能自定义，应用只能全挤在“其他”分类里
微软最近为Windows 11推出了新版开始菜单——某种程度上算是“新”的吧。不过它并不完美，用户对其中一些设计决策相当不满，尤其是缺乏手动将应用从一个类别移到另一个类别的选项。 现在“所有应用”列表显示在可选的“推荐”栏下方，并且提供三种布局：默认的“分类”视图、“网格”视图，以及近似原始样式的“列表”视图。 有人认为分类视图有点像Android或iOS的风格，这个想法本身不差，但让人头疼的是微软不允许我们修改分类。 显然，我不是唯一对开始菜单分类功能不满的用户。 Windows 11开始菜单的分类是怎么形成的？开始菜单的分类是通过一个本地映射表生成的。实际上，这是一个15MB的JSON文件在驱动该功能，它不会连接微软服务器，也不需要网络连接来为应用分配类别。
44610编辑于 2026-01-28 - 来自专栏往期博文
数学建模暑期集训11：逻辑回归(Logistic Regression)处理二分类问题
对于这种只包含“是和否”两类的答案的二分类问题，逻辑回归最为适用。 1.逻辑回归是什么 逻辑回归是机器学习基本算法之一，可以看作特殊的一般回归。 3.SPSS求解逻辑回归问题 3.1原始数据 二分类问题：基于长、宽等信息区分苹果和橘子。 3.2开始分析 按照图中步骤即可。 3.3查看结果 分类表即混淆矩阵，斜对角线是分对的数量，右下角76.3是平均的正确率。 可以发现，该方法的正确率并不是非常高。 比如分类的结果是apple&orange，可以通过创建虚变量来自动置0或置1。
88920编辑于 2022-06-14 - 来自专栏c/c++/linux开发学习
【C++11】{}右值引用移动语义类型分类引用折叠完美转发--C++
一、C++11的发展历史 C++11 是 C++ 的第二个主要版本，并且是从 C++98 起的最重要更新。它引入了大量更改，标准化了既有实践，并改进了对 C++ 程序员可用的抽象。 中的{} C++11以后想统一初始化方式，试图实现一切对象皆可用{}初始化，{}初始化也叫做列表初始化。 中新增了的右值引用语法特性，C++11之后我们之前学习的引用就叫做左值引用。 < endl; lt.push_back(move(s1)); cout << "*************************" << endl; return 0; } 6、类型分类 纯右值和将亡值C++11中提出的，C++11中的纯右值概念划分等价于C++98中的右值。
54100编辑于 2025-02-27 - 来自专栏WordPress技术文章
wordpress根据分类ID调用分类名称和分类描述
在 WordPress 中，若你已经知道「分类 ID」，可以用下面 2 句极简代码分别拿到「分类名称」和「分类描述」：// 分类 ID 假设为 123$cat_id = 123;// 1. 分类名称echo esc_html( get_cat_name( $cat_id ) );// 2. 分类描述echo esc_html( category_description( $cat_id ) );如果想一次性拿到更多字段(名称、描述、链接、文章数等)，推荐用 get_category() 或
16310编辑于 2025-12-29 - 来自专栏浮躁的喧嚣
协议与分类--24：分类（Category）
分类 Category也称为分类、类目、类别等，Category可以在不修改原来类的基础上，为这个类补充一些方法 Category的格式 @interface Person (SS) -(void )eat; @end Category的运用 在开发中，类的实现文件特别大，难于管理与维护，因此经常使用分类机制把类的实现代码划分成易于管理的小块，以便单独检视 #import <Foundation/ takeVacationFromWork; - (void)gotoTheCinema; - (void)gotoSportGame; @end 实现文件里，所有的方法都写在一个类，内容太多，所以我们可根据其不同功能分成多个分类 )person; - (void)removePerson:(Person *)person; - (BOOL)isFriendWithPerson:(Person *)person; @end 如果分类中有和原类中同名的方法 ，程序只会调用分类里的方法，如果多个分类中都有和原类中同名的方法，程序只会由编译器决定，编译器最后一个执行的方法来响应 @interface Person : NSObject @property (nonatomic
49010编辑于 2023-11-22 - 来自专栏马拉松程序员的专栏
数据分类：新闻信息自动分类
综合评估下来，我们选择上面8个分类作为数据集。 这三个文件将为后面的模型训练提供基础，在制作分类器的时候，只需要将它们加载到内存中即可。 5.制作通用分类器 到现在为止，文本分类的前期已经准备完成了，下面就是训练模型并且制作分类器。 为了方便比较各个分类算法之前的性能差异，所以现在我们制作一个通用的分类器，接收分类算法、训练集数据、测试集数据，如果当前分类算法从未训练过模型，那么先进行模型训练，并将训练完成的模型持久化保存，方便下次使用 6.评估和验证模型 “万事俱备，只欠东风”，分类器已经完成，现在需要将模型训练出来，就可以进行自动化的分类了。 为了对比多个不同分类算法的性能差异，这里我们选择了4个分类算法进行训练，分别是朴素贝叶斯、逻辑回归、随机森林和支持向量机算法。
96820编辑于 2023-09-21 - 来自专栏全栈程序员必看
xgboost分类算法_python分类统计
今天我们一起来学习一下如何用Python来实现XGBoost分类，这个是一个监督学习的过程，首先我们需要导入两个Python库： import xgboost as xgb from sklearn.metrics import accuracy_score 这里的accuracy_score是用来计算分类的正确率的。 我们这个分类是通过蘑菇的若干属性来判断蘑菇是否有毒的分类，这个数据集中有126个属性，我们来看看数据集，我把数据集放到网盘上分享给大家：训练和测试数据集，密码：w8td。 打开数据集可以发现这其实是一组组的向量，我们来看一组数据集的截图： 首先第一列表示标签列，是每一组数据的正确分类，1表示蘑菇是有毒的，0表示蘑菇无毒的。 以上就是我们用Python实现的xgboost分类模型的过程，希望对各位朋友有所帮助，本人能力有限，文中如有纰漏之处，还望各位朋友多多指教，如有转载，也请标明出处，谢谢。
1.5K30编辑于 2022-09-27 - 来自专栏计算机魔术师
【机器学习】Logistic 分类回归算法 （二元分类 & 多元分类）
该文章收录专栏 ✨— 机器学习 —✨ 【机器学习】logistics分类 一、线性回归能用于分类吗？ y=0 代价函数图像 四、 代价函数与梯度下降 4.1 线性回归与logistic回归的梯度下降规则 五、高级优化算法 六、多元分类：一对多 一、线性回归能用于分类吗？ 例如将天气分类，下雨，晴天等、我们可以将这些用数字0，1，2表达，以上这些都是多类别分类 与二分类图像不同(右图） 首先，我们将该数据集划分为三类 我们要做的就是将这数据集转换为三个独立的二元分类问题 我们可以得到一个决策边界 同理，将其他两类样本如上创建伪数据集，以及对应的拟合分类器，进行一个标准的逻辑回归分类器，得到对应边界 总而言之，我们拟合出了三个分类器 h_\theta^ （最可信）的那个分类器，就是我们要的类别。
2.4K10编辑于 2022-09-30
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