注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Lucene中文分词器包

  2. 来自“猎图网 www.richmap.cn”基于IKAnalyzer分词算法的准商业化Lucene中文分词器。1. 正向全切分算法，42万汉字字符/每秒的处理能力（IBM ThinkPad 酷睿I 1.6G 1G内存 WinXP）2. 对数量词、地名、路名的优化处理3. 对未知词汇采用自识别结合二元切分算法，确保搜索召回率（使用方法请参考IKAnalyzer V1.1版）

  3. 所属分类：其它

    • 发布日期：2007-08-14
    • 文件大小：873472
    • 提供者：linliangyi2006

  1. 基于隐马模型的中国人名自动识别研究

  2. 中国人名的识别是中文未登录词识别的重点和难点，目前的解决方案自身存在一些本质的缺陷，实际效果还难以满足实际需求。本文提出了一种基于角色标注的中国人名自动识别方法。即：利用从语料库中自动抽取的角色信息，采取Viterbi算法对切词结果进行角色标注，在角色序列的基础上，进行模式最大匹配，最终实现中国人名的识别。通过对16M字节真实语料库的封闭与开放测试，该方法取得了接近98%的召回率，准确率也得到了实际提高。实验数据证明：该方法是行之有效、能够成功解决中国人名的自动识别问题。

  3. 所属分类：其它

    • 发布日期：2009-07-05
    • 文件大小：89088
    • 提供者：softloveman

  1. 信息检索评价指标（PDF版课件）

  2. 介绍信息检索的评价，包括： 1、基本指标：召回率、正确率 其他指标：F值、AP、MAP 2、TREC会议概况

  3. 所属分类：专业指导

    • 发布日期：2009-10-14
    • 文件大小：593920
    • 提供者：anfythyn

  1. 基于精确率和召回率的GBDT调参指南

  2. 只考虑Accuracy和AUC的调参方式是错误的；尤其是在不均衡样本时候，必须考虑精确率和召回率，本文采用基于遗传算法思想的调参方式，大概率来获得全局最优解

  3. 所属分类：机器学习

    • 发布日期：2017-10-31
    • 文件大小：2097152
    • 提供者：u012291116

  1. Caffe-ssd输出准确率和召回率

  2. Caffe-SSD的solver.cpp修改后的源码，可输出准确率、召回率和PR曲线值

  3. 所属分类：深度学习

    • 发布日期：2019-03-08
    • 文件大小：24576
    • 提供者：la_fe_

  1. Pytorch 计算误判率,计算准确率,计算召回率的例子

  2. 今天小编就为大家分享一篇Pytorch 计算误判率,计算准确率,计算召回率的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：38912
    • 提供者：weixin_38742954

  1. 机器学习 之评估指标 召回率，查准率，F1分数(f1值)

  2. 1、召回率：评价模型的完整性 预测样本中的预测正确的信息条数/总样本中所有的属于这类样本的信息条数 举例： 这里用鱼和虾举例 TP： 将鱼预测为鱼 FP: 将虾预测为鱼 FN: 将鱼预测虾 TN： 将虾预测为虾 召回率R = TP/(TP+FP) （正确预测鱼的信息条数/原样本中所有鱼的信息条数） 2、查准率：评价模型的正确性 查准率：某一类 预测样本中的预测正确的信息条数/预测样本中所有的信息条数 查准率P = TP/(TP+FP) 不同于正确率 正确率：所有预测正确样本除以所有预测

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：96256
    • 提供者：weixin_38641339

  1. EvaluatorOnMahout:在mahout原始码之上，至少提供更好的封装，提供评估器功能，包括准确率，召回率等评估方法。主要是用于推荐系统的评估，包括相似度计算，基于用户或基于物品推荐相关方法的评估-源码

  2. 评估师 在mahout原始码之上，并至少提供了更好的封装，提供评估器功能，包括准确率，召回率等评估方法。

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：9437184
    • 提供者：weixin_42133680

  1. 语义精确度和召回率，用于评估不连贯的本体映射

  2. 语义精确度和召回率，用于评估不连贯的本体映射

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：603136
    • 提供者：weixin_38635323

  1. matplotlib.pyplot绘制决策树的准确率，召回率，ROC，特征重要性-附件资源

  2. matplotlib.pyplot绘制决策树的准确率，召回率，ROC，特征重要性-附件资源

  3. 所属分类：互联网

  1. matplotlib.pyplot绘制决策树的准确率，召回率，ROC，特征重要性-附件资源

  2. matplotlib.pyplot绘制决策树的准确率，召回率，ROC，特征重要性-附件资源

  3. 所属分类：互联网

  1. 案例|流失用户召回实战分享

  2. 众所周知，互联网产品运营工作有两大重心：①提升用户留存率；②提升留存用户活跃度。许多运营汪和产品汪们都在绞尽脑汁地努力提升现有用户的活跃度，却忽略了数量更为巨大的已流失用户。从成本层面来讲，维护一个老用户的成本实际上只有获取一个新用户成本的1/5。所以，运营汪和产品汪们，一定不要忽略已流失用户，与其死磕现有用户，不如转换思路想想如何在流失用户上下功夫，把他们给召回来吧！所谓实践出真知，抛开网络上纸上谈兵的“老用户召回策略”经验分享鸡汤文，我们上周在自己的产品上策划实施了一次“流失用户召回”活动，

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：693248
    • 提供者：weixin_38718415

  1. 案例|流失用户召回实战分享

  2. 众所周知，互联网产品运营工作有两大重心：①提升用户留存率；②提升留存用户活跃度。许多运营汪和产品汪们都在绞尽脑汁地努力提升现有用户的活跃度，却忽略了数量更为巨大的已流失用户。从成本层面来讲，维护一个老用户的成本实际上只有获取一个新用户成本的1/5。所以，运营汪和产品汪们，一定不要忽略已流失用户，与其死磕现有用户，不如转换思路想想如何在流失用户上下功夫，把他们给召回来吧！所谓实践出真知，抛开网络上纸上谈兵的“老用户召回策略”经验分享鸡汤文，我们上周在自己的产品上策划实施了一次“流失用户召回”活动，

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：693248
    • 提供者：weixin_38514526

  1. 慢性肾脏病：通过比较基础关键绩效指标的变化，评估慢性肾脏病发生几率的增加。 计算赔率以适应范围-源码

  2. 慢性肾病 通过比较基本关键绩效指标的变化来评估慢性肾脏病发生机会的增加。 计算赔率以适应范围。 推算得出的变量，创建具有交互作用的新变量，并在具有34个预测变量的数据集上应用SMOTE 使用技术评估模型执行特征选择并从随机森林中验证交互作用变量 在逻辑回归中使用比值比，解释了疾病增加的可能性，召回率为94.5％

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：1048576
    • 提供者：weixin_42130786

  1. 机器学习算法：这项任务的目的是开始使用Predictive Analytics。 评估的目的是从头开始实施预测分析算法，并创建一个Scikit学习预测分析管道并使用Matplotlib进行可视化。实施监督学习算法K-NearestNeigh

  2. 机器学习算法 这项任务的目的是开始使用Predictive Analytics。 评估的目的是从头开始实施预测分析算法，并创建一个Scikit学习预测分析管道并使用Matplotlib进行可视化。实施监督学习算法K-NearestNeighbour和Random Forest●使用PCA实施降维●实现K-表示聚类●实施评​​估措施的准确性，召回率，精度，在集群内平方和实施仅应使用NumPy和Pandas作为外部库。 实现应在predictive_analytics.py文件中函数的定义之内。 任

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：1048576
    • 提供者：weixin_42128963

  1. Natural-LanguageProcessing-App-Review-Classifier：使用Python NLTK构建的应用程序评论分类器（使用一揽子单词，bigram，停用词，词形化，元数据等）； 计算精度，召回率和F1分数-源

  2. 自然语言处理-应用程序审查分类器 工具：Python nltk，nltk.classify，textblob.classifiers 使用Python NLTK库构建的应用程序评论分类器（使用单词，双字母组，停用词，词义化，元数据等），将评论分为错误，功能，用户体验或评分 将NLP分类器结果与手动标签进行比较，计算出精度，召回率和F1分数参考： :

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：955392
    • 提供者：weixin_42106299

  1. scikit-learn-tutorial：初学者的Scikit-learn教程。 如何进行分类，回归。 如何衡量机器学习模型的表演准确性，偏见，召回率，ROC-源码

  2. Scikit学习教程 一组用于scikit学习自学习的示例。 工作正在进行中... 本教程正在创建中。 还没结束 如何衡量模型性能 标准指标精度，召回率，F1指标- 该示例显示了如何计算基本分类器度量值，例如精度，召回率，f1 文件： 精确召回曲线 示例说明了如何在理想的随机情况下解释精确调用曲线。 如果两个模型的曲线看起来相似该怎么办。 文件： 开发环境 python> 3.6 吹牛 sklearn> 0.21.3

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：36700160
    • 提供者：weixin_42104778

  1. enron_fraud：根据电子邮件和财务数据集，建立模型来预测参与安然欺诈案的员工。 根据F1得分，精度和召回率使用特征选择和工程，算法选择和模型选择-源码

  2. 安然欺诈项目 休斯顿的安然综合体- 安然是美国最大的公司之一。 由于公司欺诈，它破产了。 由于联邦调查的结果，大量的安然数据（电子邮件和财务数据）已进入公共记录。 该项目旨在建立一个分类器，该分类器可以基于公共的安然财务和电子邮件数据集来预测安然员工涉及欺诈的情况。 有关安然丑闻的更多详细信息，请参见 。 工作流程 该项目分为3个主要阶段： 功能选择和工程 算法选择 选型 特征选择与工程 首先，清理数据； 由于我们对个人数据感兴趣，因此删除了与“总计”和“公园旅行社”相对应的数据。 另外，“

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42118160

  1. COVID19-x射线分类器：使用X-RAY或CT-SCAN对正或负COVID19进行分类的分类器，其准确性为99％，召回率（宏平均值）和91％（宏平均值）-源码

  2. COVID19-x射线分类器：使用X-RAY或CT-SCAN对正或负COVID19进行分类的分类器，其准确性为99％，召回率（宏平均值）和91％（宏平均值）

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：2097152
    • 提供者：weixin_42151373

  1. Pytorch 计算误判率,计算准确率,计算召回率的例子

  2. 无论是官方文档还是各位大神的论文或搭建的网络很多都是计算准确率，很少有计算误判率， 下面就说说怎么计算准确率以及误判率、召回率等指标 1.计算正确率 获取每批次的预判正确个数 train_correct = (pred == batch_y.squeeze(1)).sum() 该语句的意思是 预测的标签与实际标签相等的总数 获取训练集总的预判正确个数 train_acc += train_correct.data[0] #用来计算正确率 准确率 ： train_acc / (len(train_

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：38912
    • 提供者：weixin_38686245
« 12 3 4 5 6 7 8 9 10 ... 16 »