SVM是一种基于统计学习理论的监督学习模型，旨在找到一个最优超平面，将不同类别的数据点分隔开，同时最大化分类间隔（Margin）具体来说：在线性可分时，在原空间寻找两类样本的最优分类超平面。在线性不可分时，加入松弛变量并通过使用非线性映射将低维度输入空间的样本映射到高维度空间使其变为线性可分，这样就可以在该特征空间中寻找最优分类超平面。

ROC 曲线和 PR 曲线是评估二分类模型性能的强大工具。ROC 曲线关注模型区分正负样本的能力，而 PR 曲线更关注模型在正例上的预测能力，尤其适用于不平衡数据集。通过理解和绘制这两种曲线，我们可以更全面地了解模型的优缺点，并为模型选择和调优提供有力的支持。

VScode扩展商店，搜索显示 “提取扩展时出错。SHR failed”注：这里的13.107.42.18不定，确保第一步查出来的ip地址一致即可。搜索框内输入：marketplace.visualstudio.com。用记事本打开 在文本最后一行输入以下内容后保存。2.2 打开本地配置文件。2.4 重启VSCode。显示以上内容即刷新成功。2.1 查询ip地址。

思路：它先在图像上取一个像素点，以这个点为中心画一个“窗口”，然后，它将这个窗口向周围的8个方向（上、下、左、右、左上、右上、左下、右下）各平移一小步（比如一个像素）。：λ1​ 和 λ2​ 都很大，所以 det(M)=λ1​λ2​ 会是一个很大的正数。trace(M) 也很大，但因为 k 很小，所以 det(M) 占主导，最终的 R 是一个很大的正数。所以 R≈0−k(λ1​)2，会是一个很大的负

它就像一个“翻译官”，负责把一种序列（比如一句英文）转换成另一种序列（比如一句中文）。这个模型是处理。

将。

转置卷积是一种上采样操作（考点），用于将小尺寸的特征图扩展为大尺寸的特征图。

RNN。

它就像一个“翻译官”，负责把一种序列（比如一句英文）转换成另一种序列（比如一句中文）。这个模型是处理。

转置卷积是一种上采样操作（考点），用于将小尺寸的特征图扩展为大尺寸的特征图。