新闻中心 
-
01-22贝叶斯优化贝叶斯优化(BayesianOptimization)是一种用于优化目标函数的黑盒算法。它适用于许多实际问题中的非凸、高噪声问题。该算法通过构建代理模型（如高斯...
-
01-22用示例演示如何理解二进制类的混淆矩阵混淆矩阵是一种评估模式，帮助机器学习工程师更了解模型性能。本文以一个二元类不平衡数据集为例，测试集由60个正类样本和40个负类样本组成，用于评估机器学习模型。二...
-
01-22MSE损失函数MSE损失函数是机器学习和深度学习中常用的一种损失函数，用于评估模型性能和优化参数。它主要应用于回归问题，用于预测连续输出变量。在本文中，我们将详细介绍MSE损...
-
01-22决策树的原理、优势与限制决策树是一种常见的机器学习算法，用于分类和回归任务。它的结构由节点和分支组成，节点代表对特征的测试，分支代表测试的结果。最终的输出类或值由叶子节点表示。通过对特...
-
01-22少样本学习（FSL）的定义及实际应用少样本学习（FSL），也称为低样本学习（LSL），是一种机器学习方法，其特征是使用有限数据集来训练。机器学习常见做法是尽可能提供大量数据来训练模型，因为数据量越...
-
01-22基于Lambda的MART算法LambdaMART是一种使用Lambda回归的集成学习算法，主要用于解决回归问题。它结合了MART和Lambda回归的优点，旨在处理非线性关系和异方差性。La...
