注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 计算样本分类的真阳，真阴，假阳，假阴，准确率，错误率，特异度，召回率，F值

  2. 计算常见的分类器衡量指标，包括真阳性，真阴性，假阳性，假阴性，准确率，错误率，特异度和F值

  3. 所属分类：机器学习

  1. 新城疫病毒HN蛋白和F蛋白结构域共表达对细胞融合的影响

  2. 新城疫病毒HN蛋白和F蛋白结构域共表达对细胞融合的影响，陈亚波 ，陈雪燕，将重组真核质粒pcDNA3-HN、pcDNA3-HNa、pcDNA3-HNb、pcDNA3-F和pcDNA3-Fa(c)脂质体介导转染HeLa细胞，分别以新城疫病毒阳性血清和制备的相应多抗为�

  3. 所属分类：其它

    • 发布日期：2020-01-04
    • 文件大小：950kb
    • 提供者：weixin_38696176

  1. 伯特 BT800/BT810无纸记录仪使用说明书.pdf

  2. 伯特 BT800/BT810无纸记录仪使用说明书pdf,伯特 BT800/BT810无纸记录仪使用说明书调节(记录)仪表 当前通道整定状态 操作选顶 当前通道输入规格“|NPK 设定项“CTR 解锁说明 当前通道控制方式 设定项“ 时间设定 通道设定 记录设定 曲线设定 关注方式 平滑系数 机型 权限 系统 前通道测量棒图 当前通道输出棒图 当前通道输出值 信息朴 锁定状态 、实时曲线及历史记录、报警查询画面 、简明浏览画面 、全通道集中显示画面 板值保持画面 第六章盘操作说明 调节(记录)

  3. 所属分类：其它

  1. 基于统计模型的水平集方法在超声图像上乳腺分割方法

  2. 在计算机辅助诊断（CADx）方案中准确分割肿块区域对于评估超声乳腺图像上肿块的恶性可能性很重要。 这项研究的目的是开发一种在超声图像上分割乳腺肿块的新型水平集方法。 我们的数据库包含151幅超声图像，其中70例恶性和81例乳腺良性肿块。 在一种新颖的水平集方法中，使用基于区域，基于边缘和正则化的项来定义能量函数。 基于区域的术语分析全局信息，而基于边缘的术语分析局部信息。 正则项还控制边界曲线的长度。 乳房区域被分割，以使基于这些术语的能量最小化。 使用我们提出的方法，真阳性（TP）比率，假阳性

  3. 所属分类：其它

    • 发布日期：2020-06-05
    • 文件大小：544kb
    • 提供者：weixin_38625448

  1. Spark Mllib 下的决策树二元分类 —— 网站分类(2)

  2. 模型评估 在上一章节的末尾我们提到过模型的评估，那时只是简单的求了一下百分比，那种方式只能粗略的反映模型的准确率，针对二元分类算法，我们有AUC（Area under the Curve of ROC）即ROC曲线下的面积来评估模型的好坏在计算AUC之前应该先理解下面的几个概念： / 真 假 阳 TP FP 阴 TN FN 真阳性 True Positives ( TP ): 预测为 1 ,实际为 1. 假阳性 False Positives ( FP ): 预测为 1

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：185kb
    • 提供者：weixin_38626080

  1. Spark Mllib 下的决策树二元分类 —— 网站分类(2)

  2. 模型评估 在上一章节的末尾我们提到过模型的评估，那时只是简单的求了一下百分比，那种方式只能粗略的反映模型的准确率，针对二元分类算法，我们有AUC（Area under the Curve of ROC）即ROC曲线下的面积来评估模型的好坏在计算AUC之前应该先理解下面的几个概念： / 真 假 阳 TP FP 阴 TN FN 真阳性 True Positives ( TP ): 预测为 1 ,实际为 1. 假阳性 False Positives ( FP ): 预测为 1

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：185kb
    • 提供者：weixin_38657376

  1. 【ML小白】10 个机器学习 Q&A，面试必知！

  2. 本文整理了一些最常见的机器学习面试问题及其相应的回答。机器学习有志者以及经验丰富的ML专业人员可以在面试前以此巩固其基础知识。 1. 机器学习和深度学习有什么区别？机器学习是人工智能的一个子集，为机器提供了无需任何显式编程就能自动学习和改进的能力。而深度学习是机器学习的一个子集，其人工神经网络能够做出直觉决策。2. 如何理解召回率和精度这两个术语？召回率又称真阳性率，是模型所需的阳性例数与整个数据中可用阳性例数的比值。精度基于预测，又称阳性预测值，是模型所需的准确阳性例数测量值与模型实际需要的阳

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：315kb
    • 提供者：weixin_38711041

  1. cuckoo-index:布谷鸟指数-源码

  2. 注意这不是官方支持的Google产品。 布谷鸟指数 概述 （ ，CI）是一种轻量级的二级索引结构，它以节省空间的方式表示键和列分区之间的多对多关系。 CI的核心是将大小可变的指纹与指示合格分区的压缩位图相关联。 它解决什么问题？ 传统上，通过为每个分区维护一个过滤器（例如Bloom过滤器）来索引该分区中包含的所有唯一键值，来查找可能包含给定查找关键字的所有分区的问题得以解决： Partition 0: A, B => Bloom filter 0 Partition 1: B, C

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：113kb
    • 提供者：weixin_42099116

  1. arcticseals：与NOAA海洋哺乳动物实验室合作进行的深度学习项目，用于对航空影像中的北极海豹进行检测和分类，以了解北极海豹如何适应不断变化的世界-源码

  2. 概述 这是 ， 和华盛顿大学之间合作的工作空间，旨在自动检测航空影像中的北极野生生物。 意象 现在可以在公开获取图像， 是一个开放的数据存储库，用于保存与保护生物学相关的图像。 标签 data目录包含以下标签/元数据文件： train.csv （5,110条记录）：热点检测数据，我们拥有所有对应的图像数据（请参阅下文）。 当前，所有这些热点均引用数据集ArcticSealsData01中的图像。 test.csv （1,314条记录）：与train.csv相同的格式和分布，适用于交叉验证。

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：40mb
    • 提供者：weixin_42102713

  1. Deep-SORT-YOLOv4：使用Tensorflow后端进行人员检测和可选的跟踪-源码

  2. 介绍 该项目的灵感来自： 我将YOLO v3换成了YOLO v4，并添加了用于异步处理的选项，这大大提高了FPS。 但是，使用异步处理时FPS监视将被禁用，因为它不准确。 另外，我从提取了算法，并将其实现到deep_sort/track.py 。 用于确认轨迹的原始方法仅基于检测到对象的次数，而不考虑检测置信度，从而在发生不可靠的检测时（即低置信度真阳性或高置信度假阳性）导致高跟踪误报率。 轨道过滤算法通过在确认轨道之前计算一组检测次数的平均检测置信度，从而大大降低了这一点。 请参阅下面的

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：144mb
    • 提供者：weixin_42171208

  1. STEVE-源码

  2. 系统培训和评估变异证据（STEVE） 该项目的主要目的是减少核心基因组测序管道所需的Sanger测序请求数量。 概述 核心思想是使用Bottle Truth Set中的基因组来收集高置信度变体的集合，这些高置信度变体可用于训练模型以检测变体何时可能是真正的阳性（即真实的变体）或假阳性。 该存储库包含执行创建然后使用这些模型的步骤所必需的脚本。 以下总结了这些步骤： 特征提取-将变体级别的统计信息转换为数字特征 模型训练-使用提取的特征训练多个模型并报告有关性能的多个摘要统计信息 变量评估-运

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：60kb
    • 提供者：weixin_42165583