Loading [MathJax]/extensions/TeX/extpfeil.js
会员
周边
众包
新闻
博问
闪存
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
pythonfl
博客园
首页
新随笔
联系
订阅
管理
随笔 - 69
文章 - 0
评论 - 1
阅读 -
74544
上一页
1
2
3
4
5
6
7
8
···
14
下一页
2021年5月4日
二终端网络可靠度
摘要: 在网络可靠性中,一种较为经典且在实践中更为常用的可靠度计算便是二终端可靠度,即给定网络拓扑结构与边可靠度(假定节点完全可靠),计算网络中指定的两个节点之间的连通可靠度。 在此,笔者依据最小路集思想给出此方法的python代码实现,该代码可以依据给定的输入矩阵、节点序号等设定值算出两节点间的连通可靠度
阅读全文
posted @ 2021-05-04 14:34 快到皖里来
阅读(220)
评论(0)
推荐(0)
2021年2月26日
多分类建模评估指标
摘要: #####作为机器学习实践中分类领域下的一个模块,多分类问题建模也是生产生活应用中的重要组成部分;在模型构建完成之后,对多分类模型的评估影响到后期的模型决策甚至是机器学习解决方案的实际应用效果。 准确有效评估多分类模型的性能,有利于我们建立起对当前模型水平的正确认识;由此,本文着重探讨几种常用的多分
阅读全文
posted @ 2021-02-26 18:58 快到皖里来
阅读(2160)
评论(2)
推荐(0)
2021年2月22日
linux文本编辑器awk
摘要: #####在以linux为内核的操作系统环境中,文本编辑器 具有重要地位,其中关键原因在于涉及linux操作系统的配置均是以文件形式存在,因而维护linux的正常运行特别是自定义环境配置时,必须用到文本编辑器修改配置文件的内容。 作为编辑文件的主流编辑器,vim 一直在linux系统中被奉为神器,诚
阅读全文
posted @ 2021-02-22 10:34 快到皖里来
阅读(117)
评论(0)
推荐(0)
2021年2月21日
sklearn中的pipeline实际应用
摘要: #####前面提到,应用sklearn中的pipeline机制的高效性;本文重点讨论pipeline与网格搜索在机器学习实践中的结合运用: ##结合管道和网格搜索以调整预处理步骤以及模型参数 一般地,sklearn中经常用到网格搜索寻找应用模型的超参数;实际上,在训练数据被送入模型之前,对数据的预处
阅读全文
posted @ 2021-02-21 08:43 快到皖里来
阅读(257)
评论(0)
推荐(0)
2021年2月20日
sklearn中的pipeline的创建与访问
摘要: #####前期博文提到管道(pipeline)在机器学习实践中的重要性以及必要性,本文则递进一步,探讨实际操作中管道的创建与访问。 已经了解到,管道本质上是一定数量的估计器连接而成的数据处理流,所以成功创建管道的唯一要求就是:管道中所有估计器必须具有fit()和transform()方法,但管道中最
阅读全文
posted @ 2021-02-20 19:04 快到皖里来
阅读(150)
评论(0)
推荐(0)
上一页
1
2
3
4
5
6
7
8
···
14
下一页
公告
昵称:
快到皖里来
园龄:
5年7个月
粉丝:
12
关注:
0
+加关注
<
2025年6月
>
日
一
二
三
四
五
六
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
1
2
3
4
5
6
7
8
9
10
11
12
搜索
常用链接
我的随笔
我的评论
我的参与
最新评论
我的标签
随笔档案
(69)
2022年12月(2)
2022年1月(5)
2021年11月(1)
2021年10月(6)
2021年5月(2)
2021年2月(12)
2021年1月(1)
2020年9月(1)
2020年7月(4)
2020年3月(7)
2020年2月(22)
2019年12月(1)
2019年11月(5)
更多
阅读排行榜
1. K折交叉验证(11053)
2. word——插入目录(9814)
3. 多模态融合注记(5580)
4. 模型可解释性方法--lime(3195)
5. 机器学习之数据探索——数据特征分析(分布分析)(3054)
评论排行榜
1. 多分类建模评估指标(2)
推荐排行榜
1. 由数组生成对称矩阵(1)
2. python装饰器(1)
3. 损失函数VS评估指标(1)
4. 多模态融合注记(1)
5. K折交叉验证(1)
最新评论
1. Re:多分类建模评估指标
@sinyard 在多分类情况下,其实四个值都相等,即Accuracy = micro-P = micro-R = micro-F1; 公式就在倒数第三、四张图片中,TN_i表示各类别的数值。...
--快到皖里来
2. Re:多分类建模评估指标
准确率(Accuracy)等于微F1值(micro-F1)?可是你也没涉及到TN指标呀,这个怎么理解呀
--sinyard
点击右上角即可分享