✨汀、

摘要： 机器学习系列入门系列[七]：基于英雄联盟数据集的LightGBM的分类预测 阅读全文

摘要： 器学习算法（六）基于天气数据集的XGBoost分类预测 阅读全文

摘要： 决策树的主要优点： 1. 具有很好的解释性，模型可以生成可以理解的规则。 2. 可以发现特征的重要程度。 3. 模型的计算复杂度较低。 决策树的主要缺点： 1. 模型容易过拟合，需要采用减枝技术处理。 2. 不能很好利用连续型特征。 3. 预测能力有限，无法达到其他强监督模型效果。 4. 方差较高，数据分布的轻微改变很容易造成树结构完全不同。 阅读全文

摘要： 机器学习算法（四）: 基于支持向量机的分类预测 本项目链接：https://www.heywhale.com/home/column/64141d6b1c8c8b518ba97dcc 1.相关流程 支持向量机（Support Vector Machine，SVM）是一个非常优雅的算法，具有非常完善的 阅读全文

摘要： 机器学习算法（三）：基于horse-colic数据的KNN近邻(k-nearest neighbors)预测分类 阅读全文

摘要： 优点： 朴素贝叶斯算法主要基于经典的贝叶斯公式进行推倒，具有很好的数学原理。而且在数据量很小的时候表现良好，数据量很大的时候也可以进行增量计算。由于朴素贝叶斯使用先验概率估计后验概率具有很好的模型的可解释性。 缺点： 朴素贝叶斯模型与其他分类方法相比具有最小的理论误差率。但是实际上并非总是如此，这是因为朴素贝叶斯模型给定输出类别的情况下，假设属性之间相互独立，这个假设在实际应用中往往是不成立的，在属性个数比较多或者属性之间相关性较大时，分类效果不好。而在属性相关性较小时，朴素贝叶斯性能最为良好。对于这一点，有半朴素贝叶斯之类的算法通过考虑部分关联性适度改进，例如为了计算量不至于太大，我们假定每个属性只依赖另外的一个。解决特征之间的相关性，我们还可以使用数据降维(PCA)的方法，去除特征相关性，再进行朴素贝叶斯计算。 阅读全文

摘要： 逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。 阅读全文

摘要： 本项目做了基于PaddleOCR的多视角集装箱箱号检测识别，使用少量数据分别训练检测、识别模型，最后将他们串联在一起实现集装箱箱号检测识别的任务。其中集装箱号是指装运出口货物集装箱的箱号，填写托运单时必填此项。标准箱号构成基本概念：采用ISO6346（1995）标准。 阅读全文

摘要： 4.基于Label studio的训练数据标注指南：情感分析任务观点词抽取、属性抽取 阅读全文

摘要： 2.基于Label studio的训练数据标注指南：（智能文档）文档抽取任务、PDF、表格、图片抽取标注等 阅读全文