3.数据的一些分类介绍

人工智能-张晨光

优质创作者: 前端开发技术领域

领域专家: 后端开发技术领域

2023-01-12 23:18:20

课时名称	课时知识点
3.数据的一些分类介绍	3.数据的一些分类介绍3.数据的一些分类介绍3.数据的一些分类介绍

...全文

63 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本文介绍了作者在kaggle上进行的digit classification项目，使用mnist数据集，通过matplotlib将二进制数据转化为图像。文章详细讲解了如何用KNN、SVM和Naive Bayes等算法进行分类，并探讨了它们的优缺点。KNN的错误率为3.91%，SVM涉及线性可分和不可分数据的处理，而Naive Bayes利用贝叶斯公式简化分类问题。

本文介绍了数据挖掘中的关键步骤——数据处理，包括缺失值处理和属性数量减少，并深入讲解了朴素贝叶斯分类器的原理、计算方法及应用场景。此外，还讨论了分类任务中的常见问题和评估指标，为实际应用提供了理论支持。

本文通过sklearn库的SVC（Support Vector Classification）函数，利用西瓜数据集3.0a进行机器学习分类实验。详细介绍了如何训练模型，并通过散点图展示分类结果和分离超平面，帮助理解SVM的工作原理。

本文对比回归与分类问题，介绍softmax回归以解决分类问题。softmax运算可输出预测类别的概率分布，用精度评估模型性能。还介绍了图像分类常用的Fashion - MNIST数据集，构建了获取和读取该数据集的函数，可用于后续实现softmax回归模型及评估分类算法。

本文介绍基于MindSpore与MindSpore Transformers构建的Qwen3-0.6B-Classification项目，支持L0~L4多层级并行单标签文本分类。内容涵盖环境搭建、Qwen3-0.6B预训练模型加载、xlsx格式数据预处理（含unpacking/packing两种模式）、YAML微调配置、单卡训练及推理全流程。核心创新在于多分类头架构与高效MindRecord数据处理，适用于政务、客服等场景。

张晨光的课程社区_NO_6

1

社区成员

467

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章