t18438605018的博客

文章目录1. 分类问题模型性能评价指标2. 混淆矩阵（confusion matrix）3. 准确率（accucary）、精确率（precision）、召回率（recall）4. 灵敏度（sensitive）、特效度（sensitive）5. F-Score / F-Measure6. Macro-F1 和 Micro-F17. P-R曲线、ROC曲线和AUC8. 代码实现（python）References

文章目录1.前言2.TensorFlow框架绘制loss和accuracy曲线3.PyTorch框架绘制loss和accuracy曲线4.pytorch中使用tensorboard绘制Accuracy/Loss曲线1.前言搞深度学习时，我们一般会遇到一个问题，评估模型的性能：这时，一般会绘制模型在训练集 & 验证集上的准确率值和损失值曲线。在这一点上TensorFlow框架比PyTorch框架方便，因为TensorFlow框架在训练模型时，把模型、训练集和验证集上的accuracy和loss都

1.KNN原理机器学习的原理：是通过大量的数据，训练出一个能处理此类数据的模型。使得这个模型可以根据已知的数据，准确率很高的判断出未知的数据，从而使得人类能够采取正确的方法去处理某些事情。传统机器学习算法主要包括以下五类：回归：建立一个回归方程来预测目标值，用于连续型分布预测分类：给定大量带标签的数据，计算出未知标签样本的标签取值聚类：将不带标签的数据根据距离聚集成不同的簇，每一簇数据有共同的特征关联分析：计算出数据之间的频繁项集合降维：原高维空间中的数据点映射到低维度的空间中线性回归

1.前言这里是使用“特征提取+BP神经网络，实现对图像的分类”，需要知道的是：1.对二维图像做完标签，制作数据集后，可以用CNN（一般输入是而惟独图片）来对图像做分类的。当前，在这之前要经过对模型的训练过程。2.也可以通过特征提取先把二维图片变成一位特征，输入到BP神经网络中，进行模型训练，然后做分类。今天，讲到的，就是第2种方式。2.数据集制作这里使用的是对工业金属件表面缺陷图像（有三类缺陷图像，分别是：裂纹crack，夹杂inclusion，麻点pitted ）。使用Hu不变矩等方法手动提

1.决策树原理决策树（decision tree）是一类常见的机器学子方法。具体的原理这里不做介绍，读者可以简单理解为：要用决策树做未知样本的分类（预测），一定要现根据已有样本，寻，训练、产生一颗泛化能力强，即能处理未知样本的决策树。2.用决策树做分类的例子a.数据集，名为getbed.csv季节 时间已过八点 风力情况 要不要赖床spring no breeze yeswinter no no wind yesautumn yes breeze yeswinter no no wind

文章目录1. 简言2.安装步骤和截图1. 简言这一篇详细讲windows系统环境下安装tensortflow、keras,并配置pycharm环境，以便以后在使用pycharm编写python代码时可以导入tensortflow和keras等模块，使用它们的框架。2.安装步骤和截图第1步：安装anacondaAnaconda是Python的一个发行版本，集成了大量插件下载地址：http...

@[top]#1.前言tensortflow和keras都是深度学习的框架，keras是在tensortflow基础上又做了一个封装，当然用起来可能就更简单了！我们知道深度学习的那些代码大多使用python编写的。如果让我们自己动手去写一个卷积神经网络CNN，用纯python代码（指的不是不用tensortflow,keras等框架），可能是比较困难困难的。所以，后面有了这些深度学习框架的产...

在使用pip install --upgrade tensorflow命令，安装tensorflow时报错Could not install packages due to an EnvironmentError: [Errno 28] No space left on device尝试解决，选择管理员什么运行后，还是不行但细心的读者会发现，其实在错误提示中，已经给出了解决办法You ...