本篇文章将详细给大家介绍3种数据集：训练集、验证集、测试集。同时还会介绍数据集的划分方式和3种交叉验证法。

• 1537
• 0
• 1

这是一个系列文章，从4个角度来评估一个问题：“我的业务要不要用 AI ？能不能用 AI？”

• 1247
• 0
• 0

这是一个系列文章，从各个角度来评估一个问题：“我的业务要不要用 AI ？能不能用 AI？” 本期评估角度——黑箱

• 3192
• 0
• 0

这是一个系列文章，心博天下女优AB亚洲：从各个角度来评估一个问题：“我的业务要不要用 AI ？能不能用 AI？”本期评估角度——学习

• 2844
• 0
• 0

这是一个系列文章，从各个角度来评估一个问题：“我的业务要不要用 AI ？能不能用 AI？” 本期评估角度——数据。

• 2404
• 0
• 0

有时会跟朋友聊一聊 AI 的话题，我发现很多人对 AI 都有过度高估或者过度低估的情况。有些问题根本不需要用 AI，有些问题即使用 AI 也解决不了。 所以打算写一个系列，从各个角度来评估一个问题：“要不要用 AI ？AI 能否解决我的问题？”

• 2505
• 0
• 0

本文将用通俗易懂的方式讲解分类问题的混淆矩阵和各种评估指标的计算公式。将要给大家介绍的评估指标有：准确率、精准率、召回率、F1、ROC曲线、AUC曲线。

• 2062
• 0
• 2

Attention 正在被越来越广泛的得到应用。尤其是 BERT 火爆了之后。 Attention 到底有什么特别之处？他的原理和本质是什么？Attention都有哪些类型？本文将详细讲解Attention的方方面面。

• 1535
• 0
• 0

Encoder-Decoder 是 NLP 领域里的一种模型框架。它被广泛用于机器翻译、语音识别等任务。 本文将详细介绍 Encoder-Decoder、Seq2Seq 以及他们的升级方案Attention。

• 1972
• 0
• 0

在机器学习中，我们讲了很多不同的算法。那些算法都是单打独斗的英雄。而集成学习就是将这些英雄组成团队。实现“3 个臭皮匠顶个诸葛亮”的效果。 本文将介绍集成学习的 2 种主要思路：bagging、boosting。

• 2201
• 0
• 0