二分类 分类问题是机器学习中非常重要的一个课题。现实生活中有很多实际的二分类场景，如对于借贷问题，我们会根据某个人的收入、存款、职业、年龄等因素进行分析，判断是否进行借贷；对于一封邮件，根据邮件内容判断该邮件是否属于垃圾邮件。 图1-1 分类示意图 回归作为分类的缺陷 由于回归 ...

什么是二分类问题？ 二分类问题就是最终的结果只有好或坏这样的一个输出。 比如，这是好的，那是坏的。这个就是二分类的问题。 我们以一个电影评论作为例子来进行。我们对某部电影评论的文字内容为好评和差评。 我们使用IMDB 数据集，它包含来自互联网电影数据库（IMDB）的 50 000 条严重 ...

数据的下载： （共有三个版本：python,matlab,binary version 适用于C语言） http://www.cs.toronto.edu/~kriz/cifar-10-pytho ...

二分类问题示例： 首先我们从一个问题开始说起，这里有一个二分类问题的例子，假如你有一张图片作为输入，比如这只猫，如果识别这张图片为猫，则输出标签1作为结果；如果识别出不是猫，那么输出标签0作为结果（这也就是著名的cat和non cat问题）。现在我们可以用字母y来表示输出 ...

论文链接：Focal loss for dense object detection 总体上讲，Focal Loss是一个缓解分类问题中类别不平衡、难易样本不均衡的损失函数。首先看一下论文中的这张图： 解释： 横轴是ground truth类别对应的概率（经过sigmoid ...

这里做了一些小的修改，感谢谷歌rd的帮助，使得能够统一处理dense的数据，或者类似文本分类这样sparse的输入数据。后续会做进一步学习优化，比如如何多线程处理。 具体如何处理sparse 主要是使用embedding_lookup_sparse，参考 https://github.com ...

引言 很多分类器在数学解释时都是以二分类为例，其数学推导不适用于多分类，模型本身也只能用于二分类，如SVM，Adaboost ， 但是现实中很多问题是多分类的，那这些模型还能用吗 二分类 to 多分类 更改数学原理 改变这些模型的原理，重新推导数学公式，然后代码实现。 这种 ...

从二分类到多分类，实际采用的是拆解法思想：将多分类问题拆分成许多二分类问题，为每一个二分类问题训练一个分类器。测试时，对这些分类器的结果进行集成，得到最终预测结果。 根据拆分策略不同，分为以下三类： 一对一（One vs. One, OvO） 训练：将N个类别两两配对，产生N(N ...