- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学CLUB
概率校准
将模型输出放入逻辑回归中训练，最后将逻辑回归的结果作为模型的校准结果。 以上介绍了概率校准的两种方式并且用代码实践了。 scikit-learn 提供了执行概率预测校准的两种方法的API sklearn.calibration 是用来进行概率校准的模块 内含两个函数： sklearn.calibration.CalibratedClassifierCV 可以看到，经过校准后的可靠性曲线，更加接近 了。 ok, 剩最后一个问题了，如何评价概率校准的结果呢？？ 评价：Brier score Brier 分数被广泛用来评价概率校准的结果。 一般来说，Brier分数越小，校准的效果越好。
3.5K41发布于 2020-06-10 - 来自专栏AI算法与图像处理
ECCV2022|自校准高动态范围辐射场！论文速递2022.10.4！
Fields 论文：https://arxiv.org/abs/2208.06787 代码：https://github.com/postech-ami/HDR-Plenoxels 摘要： 提出了高动态范围辐射 （HDR）场（HDR Plenoxels），它可以学习3D HDR辐射场的全光函数、几何信息以及2D低动态范围（LDR）图像中固有的不同相机设置。
71420编辑于 2022-12-11 - 来自专栏AI机器学习与深度学习算法
机器学习入门 5-8 实现多元线性回归
其中θ包含（θ0~θn）一共(n+1)个参数值，但是对于实际的样本来说，一共有n个维度，其中θ0是截距intercept，在有的时候在进行线性回归的时候，最终返回给用户的时候，有可能不是将整个θ返回给用户的，而是将截距和下面的θ1 ~ θn(称之为系数coefficients)分开，这样做的原因在系数部分，每个θ值都对应着原来样本中的一个特征，这些系数从某种意义上来讲可以描述这些特征对于最终样本相应贡献程度是怎样的，而θ0截距和我们的样本特征是不相干的，只是一个偏移，所以把这两个部分分开。所以在我们自己封装多元线性回归的时候就采用分开的方式。当然在sklearn中也是采用这样的封装方式。
55900发布于 2019-11-13 - 来自专栏点云PCL
MEMS IMU 校准算法
因为IMU零偏的估计，是按温度进行标定的（IMU校准算法部分有详细介绍），如果温度滞回差值不太大，校准精度就会比较高；如果IMU零偏滞回差值太大，IMU零校准误差就会比较大，从而影响融合的效果。 这类的校准方法有很多，比如比例校准，二次拟合校准等，下边以最简单的比例校准为例： IMU校准标定 简化的IMU误差模型： acc误差模型： 加计校准算法 常用的加计校准算法有六面体校准，和十二面体校准， 六面体校准前需要对校准台进行标定，要求校准台与水平面平行，否则会引入校准误差，十二面体校准可以消除校准台与水平面夹脚造成的校准误差。 这两种校准算法本质是相通的，以十二面体校准为例进行说明。 ，作为一次测量值； 5.重复步骤2～3，测量其它五个面数据 acc校准算法实现： 根据式（3-1）可以得到acc测量模型： Gyro校准算法 gyro校准算法与加计校准思想是一样的，具体实现稍有不同，当
4.4K30发布于 2021-04-13 今日话题----visium图像校准
作者，Evil Genius大家做visium比对的时候是如何校准的？SpaceRanger自动化的检测往往是无法真正校准区域的位置的，通常需要手动在loupe下人工校准并且划分区域。 Manual Alignment - Official 10x Genomics Support其中由于HD的精度更高，校准的难度更大一点。 手工校准仍然有问题，还是不能十分适配组织区域，尤其是组织呈现网状，中间有空洞，而且手工校准繁琐，如下图的例子。所以我们需要软件/机器帮我们自动的校准，并且比手动校准准确率更高。 图像无法校准，后续分析都是错的。来自10X Visium(可以说是最流行的ST平台)的图像包含人工参考点，或基准标记，用干检测组织区域。 虽然设计的轮廓组织区域，组织区域的识别往往在10X默认的自动化图像处理出现问题，尤其是污渍区域、校准方面均存在挑战。而我们需要实现的目标就是，自动化检测目标组织区域，去除污染区域，并且图像要校准。
36620编辑于 2024-10-30- 来自专栏医学和生信笔记
tidymodels支持校准曲线了
tidymodels终于支持校准曲线了！千呼万唤始出来，几个月前，我还号召大家多去github提issue... tidymodels不能画校准曲线？ 这不，校准曲线就来了！ 的用法一脉相承，如果你还不知道yardstick以及tidymodels系列的使用规范，请参考这篇入门教程：tidymodels用于机器学习的一些使用细节 我们使用这篇推文中的数据：tidymodels不能画校准曲线 probably)) load(file = "../../000预测模型/pred_rf.rdata") 这个结果就是tidymodels中得到的标准结果，一切模型衡量指标都是通过这个结果算出来的，包括校准曲线 校准曲线是先对概率进行分箱，然后计算平均值得到的，如果你还不明白，请参考这篇推文：一文搞懂临床预测模型的评价！ 对于分类模型的校准曲线终于有了！大家有需要的可以用起来了。 那么问题又来了，如果是做临床预测模型，可以用tidymodels吗？我的回答是：不推荐，没必要！
87330编辑于 2023-02-14 - 来自专栏医学和生信笔记
tidymodels不能画校准曲线？
很多人都开始用tidymodels了，但是很多人还没意识到，tidymodels目前还不支持一键绘制校准曲线！相同类型的mlr3也是不支持的，都说在开发中！开发了1年多了，还没开发好！ 总的来说，在临床预测模型这个领域，目前还是一些分散的R包更好用，尤其是涉及到时间依赖性的生存数据时，tidymodels和mlr3目前还无法满足大家的需求~ 但是很多朋友想要用这俩包画校准曲线曲线，其实还是可以搞一下的 ，挺简单的，之前介绍过很多次了，校准曲线就是散点图，横坐标是预测概率，纵坐标是实际概率（换过来也行！）。 校准曲线 下面给大家手动画一个校准曲线。 两种画法，差别不大，主要是分组方法不一样，第2种分组方法是大家常见的哦~ 如果你还不懂为什么我说校准曲线是散点图，建议你先看看一些基础知识：一文搞懂临床预测模型的评价！，看了不吃亏。
1.1K50编辑于 2022-11-15 基于时序 AI 自动校准 Prometheus 动态阈值落地实战
基于这套痛点，我们落地一套Facebook Prophet 时序 AI+Prometheus 自动阈值校准方案：利用历史 24 小时指标学习业务周期，自动分时段生成动态告警阈值，定时更新 Prometheus ssh.close() log("Prometheus服务重载完成，新阈值生效") # 5、主循环，每小时自动执行一次 def main_loop(): log("===== AI动态阈值自动校准任务启动 、漏报问题 我们线上实测 4 组典型时段数据，对比固定阈值与 AI 动态阈值差异： 时段 平均 CPU 负载 动态阈值 是否触发告警 固定 60% 阈值效果 10:00 工作日高峰 45% 50% 不告警 当前代码仅实现 CPU 阈值校准，可快速扩展至内存、磁盘 IO、接口 P95 延迟指标，仅需两处修改： 1、修改fetch_cpu_data内 PromQL，替换为内存使用率、磁盘剩余空间等查询语句； 传统 Prometheus 监控的痛点本质是静态规则无法适配云原生动态业务，海量指标带来的维护成本、告警疲劳是绝大多数运维团队的共性难题。
3810编辑于 2026-07-06- 来自专栏CreateAMind
校准贝叶斯推理
为在实践中解决校准问题，我们提出了一种新颖的随机逼近算法。 我们开展并报告了一项蒙特卡洛实验，结果表明，在某些参数生成情形下，未经校准的贝叶斯推断可能过于宽松（liberal），而我们的校准方案始终能保持有效性。 特别是，校准后的贝叶斯推断在响应变量较少（即，m = 5）和共性较低（即，情景2）时变得更加保守。校准后，HPD区域通常比椭圆区域更不保守。 示例 为结束本节，我们说明校准结果在实践中如何呈现。 ., ξQ 上重复校准程序，从而得到一组校准后的 α 水平，α*(ξ₁), ..., α*(ξQ)。
20710编辑于 2026-03-11 配置和校准LeRobot电机
tty.usbmodem585A0076841", id="my_awesome_leader_arm", ) leader = SO101Leader(config) leader.setup_motors() 校准 接下来，你需要对机器人进行校准，以确保主动臂和从动臂在处于相同物理位置时具有相同的位姿数值。 校准过程非常重要，因为它能让在一台机器人上训练的神经网络能够应用于另一台机器人。 从臂 运行以下命令或API示例来校准从臂：、 命令： python -m lerobot.calibrate \ --robot.type=so101_follower \ --robot.port config) follower.connect(calibrate=False) follower.calibrate() follower.disconnect() 主臂 对主动臂执行相同的校准步骤
79510编辑于 2025-07-12- 来自专栏用户4866861的专栏
低频相位计的校准方法
低频相位计的校准方法 随着科技的快速发展，电子测量技术广泛的应用于工业、电力、农业、交通运输、航空航天、国防建设等国民经济的诸多领域中，相位计又是进行信息检测的重要工具，在整个测试行业中占有举足轻重的作用和地位
1.1K00发布于 2019-03-16 - 来自专栏深度学习和计算机视觉
基于Python进行相机校准
相机校准的目的是找到相机的内在和外在参数。 ? 总览 为了校准相机，我们对3D对象（例如图案立方体）成像，并使用3D对象与其2d图像之间的3D-2D点对应关系来查找相机参数。 内部参数计算 我们使用的校准对象是魔方。 我们对立方体进行成像，如下图所示。然后，我们获得许多3D-2D点对应关系。在这一部分中，我们已经计算了点对应关系，您要做的就是从它们中计算出固有参数。 接下来，我们要计算相机投影矩阵P = K [R t]，其中K是内部/本征校准矩阵，R是旋转矩阵，用于指定相机坐标系与世界坐标系的方向，而t是转换向量，可以确定摄影机中心在世界坐标系中的位置。 3.
1.7K20发布于 2020-09-24 开发流程可视化工具2026版：在高频并行时代建立动态排布校准机制
实现动态排布校准：利用卡片间的相对位置关系与磁吸吸附状态，系统自动捕捉优先级偏移风险与阻塞传播倾向，确保团队在快速迭代中始终保持节奏同频。 三、核心技术逻辑与实现机制开发流程可视化工具的底层运行逻辑，涉及响应式布局算法、空间冲突检测机制以及卡片关联度的动态评估模型。 动态熵减审计：利用阵列模型自动检测实际执行路径与预设阵列布局之间的“熵增差异”。 应在工具中启用阵列过滤或动态分组机制，确保每个成员聚焦于特定时间窗口内的核心任务集合。激活卡片的动态交互闭环：排布不应是静态的。 应将CI/CD执行数据、自动化测试结果、代码审查状态实时反馈至卡片形态——如颜色深浅变化、边界标识更新、进度条动态填充——实现“排布—执行—感知”的实时闭环。
19110编辑于 2026-06-02- 来自专栏深度学习和计算机视觉
使用OpenCV校准鱼眼镜头
01.简介 当我们使用的鱼眼镜头视角大于160°时，OpenCV中用于校准镜头“经典”方法的效果可能就不是和理想了。 从3.0版开始，OpenCV包含了cv2.fisheye可以很好地处理鱼眼镜头校准的软件包。但是，该模块没有针对读者的相关的教程。 02.相机参数获取 校准镜头其实只需要下面2个步骤。 [-0.04104704724832258], [0.015343014605793324]]) 03.图像畸变矫正 获得K和D后，我们可以对以下情况获得的图像进行失真矫正：我们需要取消失真的图像与校准期间捕获的图像具有相同的尺寸
2.5K20编辑于 2022-04-06 - 来自专栏王小二的Android站
SW VSYNC模型更新与校准
背景 对于Vsync信号的相关领域中，一直有一座大山我一直没有翻跃，那就是SW VSYNC模型更新与校准。 本文是针对SW VSYNC模型更新与校准这部分的理解和补充，建议先看努比亚的文章再看我这个文章。 其中A=timePoint - zeroPoint 三、总结 终于把SW VSYNC模型更新与校准这座大山翻过去了，感谢努比亚团队，随便其中部分描述存在让我看不懂的情况，努力思考，看代码，最后把整个逻辑看明白了
1.2K20编辑于 2023-11-04 - 来自专栏量子发烧友
利用TFQ纠正量子位校准误差
量子位校准误差 众所周知，量子计算机可以解决传统计算机不能处理的复杂任务，同时在实际使用场景中，拥有量子比特数越多的量子计算机能够处理的问题越复杂。 操作过程中，我们需要控制优化以正确制备处于 叠加状态的量子比特，从而克服模拟的系统校准误差。下图显示了体系结构：01 3.2.1 受控电路定义 定义一个可学习的单比特旋转，如上图所示。 3.2.5 输入电路定义 下面的输入电路定义了模型，能够将学习校正的随机误差校准。 随着不断迭代，误差校准的程度也越越来越好。 3.2.7 验证输出 现在我们使用训练好的模型，来纠正量子位校准误差。 说明训练效果非常不错，完成了对于误差的校准。 另外，它还能够作为独立模型使用。调用控制器，并检查它对每个命令信号的响应。
1.6K30编辑于 2023-02-24 - 来自专栏医学和生信笔记
生存资料校准曲线的绘制
前面我们已经讲过logistic模型的校准曲线的画法，这次我们学习生存资料的校准曲线画法。
1.3K20编辑于 2022-11-15 - 来自专栏用户4866861的专栏
低频相位计的校准方法
随着科技的快速发展，电子测量技术广泛的应用于工业、电力、农业、交通运输、航空航天、国防建设等国民经济的诸多领域中，相位计又是进行信息检测的重要工具，在整个测试行业中占有举足轻重的作用和地位。
79500发布于 2020-09-21 - 来自专栏用户4866861的专栏
时钟校准服务器介绍
时钟校准服务器就是为了让时间精确，我们就需要根据标准时间进行校时，从而设计出专门的校准时钟服务器使时间同步与标准时间一致。 大多数人管校准误差时间的动作叫做对时或授时，然而这只说对了一部分。 其工作原理，可以简单理解为：以稳定频率的信号为基准，如原子钟或高稳晶振，然后对统一系统内的其他时间进行定期的校准，保证统一系统内各地的时间保持在较小的误差。为什么需要时钟同步？ 由于这些本地时钟的计时速率、运行环境存在不一致性，因此即使所有本地时钟在某一时刻都被校准，一段时间后，这些本地时钟也会出现不一致。为了这些本地时钟再次达到相同的时间值，必须进行时间同步操作。 图片时钟校准设备就是通常所说的时钟服务器，一般通过接收北斗GPS标准时间信息，产生、保持时间频率信号，并通过有线或无线方式进行接收或传递，为系统提供多种形式的时间和频率信号。
2.1K50编辑于 2023-01-17 基于低代码平台的检测行业LIMS全流程数字化实践方案
二、行业痛点分析检测实验室在日常运营中普遍面临四大核心痛点：痛点具体表现量化影响样品管控混乱样品品类多、流转节点多，人工登记无法实时同步混淆率5-8%实验标准化不足检测全流程缺乏统一数字化标准，依赖人工经验结果一致性差人工运维效率低数据记录 → 留样管理自动分配唯一样品编号，支持条码/二维码标签批量打印各流转节点智能提醒，超时自动预警样品状态实时更新，管理人员可随时查看位置和检测进度留样管理规范化，到期自动提示处置实践成效：样品混淆率从5- → 使用记录 → 维保管理设备状态实时跟踪（可用/校准中/停用/报废），状态清晰可见校准到期提前30天预警，分30/15/7天三级提醒使用记录与检测任务直接关联，确保设备使用合规维保工单在线流转（发起 灵活配置流程和权限企业决策管理层运营数据查看与分析全量数据整合，多维报表辅助决策审核人员日常检测业务操作流程简化，减少重复劳动数字化搭建人员系统搭建与迭代维护低代码快速开发，响应业务变化六、数字化成效数据指标数字化前数字化后改善幅度样品混淆率5- 系统内置CNAS/CMA质量体系核心要素，涵盖设备校准、人员资质、样品追溯、报告审核等关键控制点，评审时可一键导出所需材料。Q5：是否支持私有化部署？支持。
12710编辑于 2026-07-02
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