分类性能量度（Classification-Performance-Measures）一、准确度的陷阱和混淆矩阵1、准确度的陷阱对于回归任务，我们前面介绍了均方误差，均方根误差，平均绝对误差，R²误差。但是对于分类任务，我们仅仅介绍了分类准确度这一种评价标准，实际上该评价标准是存在很大问题的，因此我们本章进一步介绍各种分类性能度量。首先，我们介绍一下分类准确度可能存在的问题即陷阱：2、混淆矩阵在引

【前情】：因为考研专业课要考c语言及数据结构，最近又重拾起了c，最近看到递归部分，想要上机调试看看过程，用的是ide是vc++6.0，没错就是这个上古神器，发现打断点时scanf函数老报错，过不去，查了相关资料发现好像是vc++6.0缺陷，没得办法，正好借此机会学习下据说十分牛逼的VScode编译器（之前一直都是用IDEA全家桶）。【问题描述】：高高兴兴如下一顿操作猛如虎后：1、vscod...

文章目录循环神经网络实现文本情感分类目标1. Pytorch中LSTM和GRU模块使用1.1 LSTM介绍1.2 LSTM使用示例1.3 GRU的使用示例1.4 双向LSTM1.4 LSTM和GRU的使用注意点2. 使用LSTM完成文本情感分类2.1 修改模型2.2 完成训练和测试代码2.3 模型训练的最终输出循环神经网络实现文本情感分类目标知道LSTM和GRU的使用方法及输入输出的格式能够应用L

概率论与数理统计一、概率论基础1.1 概率论基础1.2 事件与概率1.3 古典概率与集合概型二、条件概率2.1 条件概率2.2 全概率公式三、概率分布与统计量3.1 概率分布类型3.2 期望与方差3.3 高斯分布四、概率分布进阶4.1 分布函数4.2 均匀分布4.3 指数分布五、联合分布5.1 二维随机变量及联合概率分布5.2 边缘概率六、主成分分析法6.1 多维分布与协方差6.2 主成分分析法一

概率论与数理统计一、概率论基础1.1 概率论基础1.2 事件与概率1.3 古典概率与集合概型二、条件概率2.1 条件概率2.2 全概率公式三、概率分布与统计量3.1 概率分布类型3.2 期望与方差3.3 高斯分布四、概率分布进阶4.1 分布函数4.2 均匀分布4.3 指数分布五、联合分布5.1 二维随机变量及联合概率分布5.2 边缘概率六、主成分分析法6.1 多维分布与协方差6.2 主成分分析法一

【前情】：因为考研专业课要考c语言及数据结构，最近又重拾起了c，最近看到递归部分，想要上机调试看看过程，用的是ide是vc++6.0，没错就是这个上古神器，发现打断点时scanf函数老报错，过不去，查了相关资料发现好像是vc++6.0缺陷，没得办法，正好借此机会学习下据说十分牛逼的VScode编译器（之前一直都是用IDEA全家桶）。【问题描述】：高高兴兴如下一顿操作猛如虎后：1、vscod...

Content：常用的JDBC API数据库环境的搭建建立数据库连接数据库访问优化 一. 常用的JDBC API1. DriverManager类 ： 数据库管理类，用于管理一组JDBC驱动程序的基本服务。应用程序和数据库之间可以通过此类建立连接。常用的静态方法如下static connection getConnection(Stri...

文章目录一、深度学习的介绍目标1. 深度学习的概念2. 机器学习和深度学习的区别2.1 区别一 ：特征提取2.2 区别二：数据量3. 深度学习的应用场景4. 常见的深度学习框架二、神经网络的介绍目标1. 人工神经网络的概念2. 神经元的概念3. 单层神经网络4. 感知机5. 多层神经网络6. 激活函数6. 神经网络示例一、深度学习的介绍目标知道什么是深度学习知道深度学习和机器学习的区别能够说出深度

文章目录梯度下降和反向传播目标1. 梯度是什么?2. 偏导的计算2.1 常见的导数计算2.2 多元函数求偏导3. 反向传播算法3.1 计算图和反向传播3.2 神经网络中的反向传播3.2.1 神经网络的示意图3.2.2 神经网络的计算图梯度下降和反向传播目标知道什么是梯度下降知道什么是反向传播1. 梯度是什么?梯度：是一个向量，导数+变化最快的方向(学习的前进方向)回顾机器学习收集数据xxx ，构建

argparse模块使用教程1、argparse介绍1 未使用argparse2 使用argparse2.1 argparse简单示例2.2 argparse进阶示例2.2.1 可选参数设置2.2.2 可选参数引用名2.2.3 清除帮助中的参数名信息2.2.4 必选参数设置列表参数（多参数）传入设置2.2.6 互斥参数使用1、argparse介绍argparse 是一个用来解析命令行参数的 Pyt