2048 AI社区

2048 AI社区

AI资讯 AI造物社区 MCP

话题讨论活动竞赛科技篇产业对接

去全站搜索看看？

登录社区云

登录社区云，与社区用户共同成长

2048 AI社区

邀请您加入社区

欢迎加入社区

欢迎加入社区

sklearn

LLM系列：2.pytorch入门：10.划分训练集与测试集(sklearn.model_selection)

本文介绍了scikit-learn库中model_selection模块的核心功能，主要包括：数据集划分(train_test_split)：用于将数据随机分割为训练集和测试集，支持设置测试集比例、随机种子和分层抽样等参数。交叉验证(KFold)：在数据量较小时，将数据等分为K份进行K次训练和测试，提供更可靠的模型评估。网格搜索调参(GridSearchCV)：自动测试预设参数组合，通过交叉

 小糖学代码
2026-05-11 19:34:10

 468

 4

#sklearn #人工智能 #python +3
这个JAVA智能CAI系统最硬核的其实是业务逻辑的落地实现。咱们直接看几个关键代码片段，感受下真实项目中的设计取舍

系统介绍：1、角色（1）管理员：网站管理员（全站管理）（2）教师：任课教师（发布课程，讨论）（后台添加）（3）学生：普通学生2、大致设计需求（1）学生（姓名、学校、专业、邮箱）可以查看选课的成绩（2）老师发布课程（视频，文字说明，图片）供学生选课（3）学生选课，在线考试，讨论区（学生发加好友不要回复管理员看不到）。JAVA智能CAI平台考试系统源码 JAVA智能CAI平台考试系统源码本源码亲测可

 TCtvmTLXe
2026-03-01 17:45:00

 458

 21

#sklearn
sklearn函数总结九— 朴素贝叶斯

在学习朴素贝叶斯之前，我们必须要先掌握贝叶斯公式：这个公式乍一看，你肯定很懵逼，不过不用怕，我们来解释和分解下，你就懂了。朴素贝叶斯（Naive Bayes）算法是一种基于贝叶斯定理的分类方法，广泛应用于文本分类（如垃圾邮件识别、情感分析等）和其他机器学习领域。特征与特征之间条件相互独立，即在给定类别的条件下，特征之间没有任何关系或依赖。公式数学推导略。

Jerryhut
2025-12-14 14:19:10

 930

 13

#sklearn #概率论 #机器学习 +1
两万字长文带你快速入门并掌握机器学习

本文系统阐述了机器学习的完整实施框架，旨在为AI学习者奠定基础。内容涵盖从问题定义、数据清洗与EDA、特征工程，到模型选择、训练（含损失函数与梯度下降）、评估及部署监控的全流程。文章深入解析了分类、回归与聚类三大类算法及其评价指标（如精确率、F1分数），并重点讲解了过拟合处理（正则化）、数据不平衡（SMOTE）等关键技术。通过结合Scikit-learn与PyTorch代码示例，提供了从理论到实践

 JUyao_H
2025-11-29 12:05:08

 982

 21

#机器学习 #人工智能 #python +4
《Java生态创新视域下的微服务架构演进与云原生实践指南》

系统可观测性（Observability）作为云原生架构的关键能力，需构建指标、日志、链路的三位一体监控体系（H2）。（P）案例：某跨国电商系统经架构转型后，系统部署时间从72小时缩短至23分钟，资源利用率提升47%在传统单体架构向微服务架构的转型过程中，系统解耦成为突破性能瓶颈的核心策略（H2）。容器化技术与云原生架构的深度融合，重构了现代微服务的部署范式（H2）。在基础设施即代码（IaC）范式

 NIfOzrXk
2025-10-27 09:01:40

 295

 3

#sklearn
MySQL调优实战从慢查询到高性能的索引优化策略

通过分析`EXPLAIN`的输出结果，重点关注`type`列（如`ALL`代表全表扫描，`index`代表全索引扫描，`ref`或`range`代表有效索引使用）、`key`列（实际使用的索引）以及`Extra`列（如`Using filesort`或`Using temporary`表示需要优化）。对于识别出的全表扫描或低效索引扫描的查询，应着手创建或调整索引。其次是最左前缀匹配原则，对于复合索

 zxly1210
2025-10-10 10:20:34

 320

 5

#sklearn
AI“灵感工厂”：基于潜空间扩散的可控创意字体生成实战

本文提出了一种基于扩散模型的创意字体生成技术，通过潜空间编码与可控生成实现高效高质量的字体设计。技术路线包含四个阶段：字形编码（SVG转二值掩码）、潜空间注入（VAE编码）、风格控制（LoRA+GLIGEN）和细节修复（超分）。系统支持任意文案和风格组合，2K分辨率下单张生成仅需37秒（RTX4090），在电商、游戏等场景验证了商用价值。实验显示字形准确率达98.7%，风格一致性获84.1%人工评

 Blossom.116
2025-09-17 11:44:55

 504

 4

#人工智能 #深度学习 #机器学习 +4
2025视觉问答技术全面指南：从基础原理到前沿应用

在人工智能领域，视觉问答（Visual Question Answering，简称VQA）是一个重要的多模态任务，它要求模型能够理解图像内容并回答与图像相关的自然语言问题。2025年，随着大语言模型和多模态技术的快速发展，视觉问答技术取得了突破性进展，在处理复杂图像理解、跨模态语义对齐和知识推理等方面都有了显著提升。从智能助手到内容审核，从教育辅助到医疗诊断，视觉问答技术正在各个领域展现出强大的应

 安全风信子
2025-09-15 09:24:55

 1245

 26

#人工智能 #深度学习 #python +4
daily notes[35]

线性回归模型通过最小化观测值与预测值之间的残差平方和来拟合数据。该模型包含截距项w0和系数w，可通过sklearn

逻辑君
2025-07-13 23:20:11

 479

 4

#sklearn #人工智能 #python
daily notes[24]

摘要非负最小二乘法（Non-Negative Least Squares, NNLS）通过约束线性回归系数为非负值，适用于建模物理量等自然非负场景。在Scikit-learn中，设置LinearRegression(positive=True)即可实现NNLS。示例代码对比了普通线性回归（

逻辑君
2025-08-07 19:50:52

 511

 4

#sklearn #人工智能 #python
HoRain云--Scikit-learn实战：从分类到降维全解析

**摘要：**Scikit-learn（Sklearn）是Python中强大的机器学习库，涵盖分类、回归、降维等任务。本文通过三个典型案例展示其应用：分类案例：使用鸢尾花数据集，对比决策树、SVM和KNN模型的准确率，并通过网格搜索优化超参数；回归案例：以北京链家房价数据为例，演示线性回归模型预测房价，评估均方误差和R²值；降维案例：利用PCA实现鸢尾花数据可视化与噪声过滤，以及NMF分解高

 云夏之末
2025-09-10 09:45:00

 874

 15

#sklearn #人工智能 #python
HoRain云--Sklearn模型评估与调优实战指南

本文介绍了使用Sklearn进行模型评估与调优的系统方法。主要内容包括：1）根据不同任务类型（分类/回归）选择合适的评估指标；2）利用交叉验证提高评估稳定性；3）通过网格搜索和随机搜索优化超参数；4）借助学习曲线和验证曲线诊断模型问题；5）数据预处理、特征工程、处理不平衡数据等实用技巧。文章强调遵循这些最佳实践可有效提升模型泛化能力，确保实际应用效果，并提供了相关代码示例。

云夏之末
2025-09-10 09:30:00

 1577

 43

#scikit-learn #scala #sklearn
HoRain云--超全Sklearn自定义组件指南

本文介绍了如何利用Scikit-learn框架进行自定义模型开发，主要包括五个核心方法：1. 自定义评估指标（CustomMetrics） - 通过make_scorer创建个性化评分函数；2. 自定义转换器（CustomTransformers） - 继承BaseEstimator和TransformerMixin实现数据预处理；3. 自定义估计器（CustomEstimators） - 开发符

 云夏之末
2025-09-10 09:00:00

 1864

 42

#sklearn #人工智能 #python
把 AI 塞进「电梯按钮」——基于 64 kB 零样本声纹的离线故障预测按钮

《64kB零样本声纹AI实现电梯按钮故障预警》摘要：为解决全国700万台电梯按钮年故障率0.3%的痛点，团队研发了基于RISC-V芯片GD32V303的离线AI方案。该方案将64kB微型声纹模型（含0.05M声学特征+0.012M One-Class SVM）集成至普通按钮，通过骨传导麦克风采集16kHz声纹，实现20ms内完成零样本故障检测（无需针对不同按钮训练）。实测显示对塑料/金属/触屏等按

 Blossom.116
2025-09-09 09:39:47

 472

 6

#机器学习 #人工智能 #支持向量机 +4
把 AI 塞进「邮票」——基于 32 kB 零样本气味指纹的离线冷链监控贴片

本文提出了一种零样本冷链监控方案，通过邮票大小的0.15mm薄贴片实现生鲜腐败检测。该方案采用RISC-V芯片和4通道气体传感器，仅需32kB模型即可离线识别乙烯/氨等腐败特征，无需特定货物训练。NFC场取电实现永久续航，成本低至1.2元/片。实测在草莓、三文鱼、疫苗等跨品类测试中准确率达94-98%，提前6-18小时预警。该技术解决了传统冷链监控依赖云端、需重复标定等问题，已开源硬件设计并量产5

Blossom.116
2025-09-09 09:38:06

 323

 5

#人工智能 #机器学习 #算法 +4
HoRain云--Sklearn 简介

【摘要】 HoRain云小助手专栏聚焦编程与运维技术，涵盖C语言、Linux、Python、Docker等教程及考试题库。重点介绍的Scikit-learn（Sklearn）是一个基于Python的高效开源机器学习库，构建于NumPy/SciPy之上，提供分类、回归、聚类等算法，支持数据预处理到模型评估的全流程。其特点包括易用API、丰富算法库（如SVM、随机森林、PCA）及与Pandas/Ten

云夏之末
2025-09-09 09:30:00

 1099

 22

#sklearn #人工智能 #python
HoRain云--Sklearn数据预处理终极指南

Sklearn数据预处理技术精要本文系统介绍了Sklearn中常用的数据预处理方法，包括：无量纲化：标准化(StandardScaler)、归一化(MinMaxScaler)、鲁棒缩放(RobustScaler) 缺失值处理：SimpleImputer的均值/中位数填充策略类别特征编码：标签编码(LabelEncoder)和独热编码(OneHotEncoder) 离散化分箱：KBinsDis

云夏之末
2025-09-09 09:00:00

 945

 26

#sklearn #人工智能 #python
《sklearn机器学习——管道和复合估算器》异构数据的列转换器

ColumnTransformer 实用指南本指南介绍了 scikit-learn 中 ColumnTransformer 的核心功能，用于高效处理异构数据集。ColumnTransformer 允许对不同类型的数据列（数值型、类别型、文本型等）应用特定转换器，并自动拼接结果。核心优势：统一管理各类数据的预处理流程避免训练/测试集数据泄露可无缝嵌入机器学习管道支持按列名、索引或数据类型

 m0_71002812
2025-09-07 18:09:02

 1081

 15

#机器学习 #sklearn #人工智能
《sklearn机器学习——回归指标1》

sklearn.metrics模块提供多种回归评估指标，包括可解释方差分数(explained_variance_score)。该分数通过1减去残差方差与目标方差的比值计算，最优值为1.0。参数multioutput支持三种计算方式：均匀平均('uniform_average')、原始值('raw_values')和方差加权('variance_weighted')。示例展示了不同预测质量下的得分

 m0_71002812
2025-09-05 13:16:12

 1277

 13

#机器学习 #sklearn #回归
AI 辅助编程专栏：开启智能编码新征程，每日学一点

检索结果需经过多维度验证与去重处理。横向对比不同来源的信息一致性，提取重复出现的核心观点作为高可信度内容；纵向挖掘数据的深度细节，例如时间线、案例或参数说明。对矛盾信息标注可能原因（如版本差异、地域区别），并通过附加条件（如“2023年数据”“适用于Windows 11”）明确适用范围。

asdad454
2025-08-29 16:01:01

 570

 16

#人工智能 #数据挖掘 #cnn +4
把 AI 变成「时间管理魔法师」——基于 LLM 的离线日程语义引擎 0.95 MB 塞进手环

《TinyLLM：让智能手环听懂自然语言的超低功耗方案》针对智能手环无法离线解析复杂日程的问题，提出基于RISC-V的端侧解决方案。通过研发仅0.95MB的微型语言模型（2层128维Transformer，int8量化），在64KB Flash/2KB RAM的CH32V003芯片上实现语义解析，将"明早不下雨跑步"等语句转为结构化日程。采用关键词蒸馏和BLE同步技术，在90m

Blossom.116
2025-08-17 14:33:07

 937

 19

#人工智能 #深度学习 #神经网络 +4
scikit-learn/sklearn学习|岭回归解读

本文介绍了岭回归的原理及其优势。岭回归通过在线性回归的均方误差中增加L2正则化惩罚项（$\alpha\sum w_j^2$），解决了线性回归的两个主要问题：当变量存在多重共线性时，惩罚项能有效抑制参数过大；当数据存在噪声时，惩罚项能防止过拟合。通过调节正则化强度$\alpha$，可以控制模型复杂度，$\alpha$越大模型越简单。相比线性回归，岭回归能产生更稳健、更准确的预测结果。

西猫雷婶
2025-08-11 21:20:09

 1075

 27

#scikit-learn #sklearn #机器学习 +4
机器学习01-安装环境与sklearn库

机器学习包括如聚类、分类、决策树、贝叶斯、神经网络、深度学习等算法机器学习的基本思路是模仿人类学习行为的过程，如我们在现实中的新问题一般是通过经验归纳，总结规律，从而预测未来的过程。名称说明加载 20 Newsgroups 数据集，用于文本分类任务参数名类型默认值可选值说明data_homestr (可选)指定数据缓存目录路径subsetstr'train''test''all'指定加载的数据子集

 落花222
2025-08-07 20:27:43

 1102

 23

#机器学习 #sklearn #人工智能
人工智能-python-Sklearn 数据加载与处理实战

本文介绍了机器学习中数据预处理的关键步骤，包括数据加载、划分、特征工程和无量纲化处理。数据预处理是模型性能的基础，90%的机器学习时间花在数据准备上。文章详细展示了如何使用sklearn工具：从网络/本地加载数据（fetch_20newsgroups、pandas），划分训练测试集（train_test_split），处理文本特征（TfidfVectorizer、jieba分词），以及特征标准化（

IMER SIMPLE
2025-08-05 19:06:53

 758

 24

#人工智能 #python #sklearn
PDF多功能处理箱Pro：博途智创AI团队研发的PDF处理工具，支持PDF与文本，图片互转、图片文字识别、PDF拆分与合并、PDF编辑

PDF多功能处理箱Pro：博途智创AI团队研发的PDF处理工具，支持PDF与文本，图片互转、图片文字识别、PDF拆分与合并、PDF编辑

 余渊辰
2025-08-04 22:55:15

 485

 3

#机器学习 #人工智能 #sklearn +2
Omnispeaker:博途智创AI团队自研的一款基于Transformer与深度神经网络的文本-语音合成软件

OmniSpeaker是由博途智创AI团队研发的一款基于深度神经网络技术的专业语音合成软件，受微软亚洲研究院技术支持，为不同领域的用户提供高质量、个性化的语音合成解决方案。无论是个人创作、教育培训，还是商业应用，OmniSpeaker都能以自然流畅的语音输出，显著提升工作效率，降低制作成本。

余渊辰
2025-08-04 22:23:41

 442

 6

#语音识别 #自然语言处理 #神经网络 +4
UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 in labels with no predicted sa

from sklearn import metricsy_true = [0, 1, 2, 0, 1, 2]y_pred = [0, 2, 1, 0, 0, 1]y_true_1 = [0, 1, 2, 0, 1, 2]y_pred_1 = [0, 2, 3, 0, 0, 1]y_true_2 = [0, 1, 2, 0, 1, 2]y_pred_2 = [0, 1, 1, 0, 0, 1]

Yeoman92
2017-07-19 16:51:48

 2.6w

 10

#sklearn
sklearn 回归模型评价指标及代码示例

评价指标主要包括：R-Square （R^2）决定系数、线性相关系数取值范围为 [0,1] ，越接近1，模型效果越好，越接近0，效果越差；但是随着预测数据量的增加会增加降低R2值，因此只能大致评估模型from sklearn.metrics import r2_scoreprint(r2_score(y_test,result_prediction))Mean Squared Error（MSE）

呆萌的代Ma
2022-01-24 00:00:01

 6041

 4

#sklearn #回归 #python
python不能导入sklearn.datasets.samples_generator 模块

把 samples_generator 改成 _samples_generatorfrom sklearn.datasets._samples_generator import xxx

日月星辰TEL
2021-03-26 16:50:29

 8634

 77

#sklearn #python
from sklearn.metrics import confusion_matrix

是从库中导入的一个函数，用于计算分类模型的混淆矩阵。混淆矩阵是一个重要的工具，用于评估分类模型的性能，通过总结预测值与真实值之间的关系，直观地展示模型在每个类别上的表现。混淆矩阵是一个方阵，其中：对于二分类问题，混淆矩阵通常是一个 2×22 \times 22×2 的矩阵，形式如下：对于多分类问题，混淆矩阵会扩展为C×CC \times CC×C的矩阵，其中CCC是类别的数量。假设有以下符号：混淆

 weixin_44012667
2024-11-17 11:10:24

 1533

 10

#sklearn #python #机器学习
‘GridSearchCV‘ object has no attribute ‘feature_importances_‘解决

解决方法：在feature_importances_前面加入best_estimator_原因：GridSearchCV加入了网格搜索。

嘤嘤儿怪
2023-03-17 15:25:39

 1810

 5

#python #sklearn #开发语言
from sklearn.cross_validation import train_test_split发生报错

from sklearn.cross_validation import train_test_split发生报错from sklearn.cross_validation import train_test_split该导入命令在使用时会发生报错，因为现在版本的sklearn库中已经没有了cross_validation文件夹，train_test_split等现在放在model_selecti

侯小啾
2022-02-10 17:36:56

 3213

 10

#sklearn #人工智能 #python
optuna教程

optuna使用教程

 clancy_wu
2022-10-21 00:13:58

 2563

 2

#sklearn #python
Python - matplotlib - ROC曲线（Receiver Operating Characteristic curve）

从原理出发，Python实现预测模型的ROC曲线绘制

 Doct.Y
2022-03-18 15:40:14

 6401

 6

#python #机器学习 #sklearn +1
机器学习之Xgboost实战二分类

文章目录Xgboost实战二分类1 xgboost的基本使用2 交叉验证 xgb.cv3 调整样本权重4 自定义目标函数（损失函数）5 用前n棵树做预测 ntree_limit6 画出特征重要度 plot_importance7 同样，也可以用sklearn的GridSearchCV调参Xgboost实战二分类1 xgboost的基本使用# 0 1:1 9:1 19:1 21:1 24:1 34:

xiao52x
2022-03-15 16:11:21

 4066

 1

#机器学习 #分类 #sklearn
AutoML框架-Auto-sklearn学习笔记01-原理及基本使用方法（参数、函数解析）

基于Auto-sklearn官方文档的学习笔记01

我是菜狗子
2022-10-12 19:29:26

 2264

 3

#学习 #sklearn #机器学习
[sklearn] 特征工程

输出结果：按照顺序，比如第一个样本city为北京，那么对应北京列的值为1，其它为0.

z1zy
2025-05-09 14:07:58

 868

 26

#sklearn #python #机器学习
交叉验证中n_jobs=-1并行运算

scikit_learn包中的cross_val_score（）是支持并行运算，但这并不是说只要让n_jobs=-1就能让CPU使用率接近100%。这要取决于交叉验证的折数cv，假如折数cv是n，这意味着最多只能使用n个物理CPU。score1 = cross_val_score(clf, x_train, y_train, cv=5, scoring='accuracy', n_jobs=-1)

江南路漫
2021-12-25 02:23:01

 4341

#sklearn #机器学习 #深度学习
sklearn实现线性判别分析(Linear Discriminant Analysis)

LDA（Linear Discriminant Analysis，线性判别分析）是一种用于分类和降维的统计方法，尤其适用于多分类问题。LDA的核心目标是找到一个投影，使得不同类别的数据在这个新的空间中尽可能地分开。

魏宝航
2024-01-10 13:41:13

 1842

 29

#sklearn #人工智能 #python +2
sklearn.svm.SVC 调参说明

经常用到sklearn中的SVC函数，这里把文档中的参数翻译了一些，以备不时之需。本身这个函数也是基于libsvm实现的，所以在参数设置上有很多相似的地方。（PS: libsvm中的二次规划问题的解决算法是SMO）。sklearn.svm.SVC(C=1.0,kernel='rbf',degree=3,gamma='auto',coef0=0.0,shrinking=True,...

everyst
2018-12-19 15:20:19

 6350

 1

#支持向量机 #sklearn #机器学习
一文学会sklearn计算余弦相似度

余弦相似度在计算文本相似度等问题中有着广泛的应用，scikit-learn中提供了方便的调用方法第一种，使用cosine_similarity，传入一个变量a时，返回数组的第i行第j列表示a[i]与a[j]的余弦相似度>>> from sklearn.metrics.pairwise import cosine_similarity>>> a=[[1,3,2],[2,2,1]]>>>

云中的鱼
2018-01-17 11:18:13

 2.1w

 6

#python #sklearn
Sklearn ValueError: This solver needs samples of at least 2 classes in the data, but the data

sklearn报错： ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: 0.0博主是在使用sklearn.learning_curve()这个函数时出现了这个问题，使用的estimator是Logistic regressi..

yyhhlancelot
2018-09-03 15:08:57

 1.1w

 4

#sklearn #python #机器学习
朴素贝叶斯及概率类模型评估指标

class sklearn.naive_bayes.GaussianNB(priors=None,var_smoothing=1e-09) 高斯朴素贝叶斯，通过假设是服从高斯分布（也就是正态分布）来估计每个特征每个类别的条件概率。对于每个特征下的取值，高斯朴素贝叶斯有如下公式：对于任意一个Y的取值，贝叶斯都以求解最大化的为目标，这样才能够比较在不同标签下样本究竟更靠近哪一个取值。以最大化为目标，高

 talle2021
2023-02-24 23:40:34

 2372

#机器学习 #sklearn #算法
【python学习】-使用sklearn对数据进行线性回归，并绘制回归线

以一元线性回归为例，记录处理过程

 electrochemjy
2023-05-25 16:55:34

 2325

 2

#python #学习 #sklearn
使用sklearn进行数据预处理之Binarizer,LabelEncoder,LabelBinarizer,OneHotEncoder

前言数据预处理的过程中经常需要对数据进行数值化等处理，比如将性别男女转换为计算机可以理解的1和0，还有将数值化的1，2，3，4，5按照阈值3转换为0，0，0，1，1等，下面介绍一下sklearn提供的类。Binarizer这个就是根据阈值将数值型转变为二进制型，阈值可以进行设定，另外只能对数值型数据进行处理，且传入的参数必须为2D数组，也就是不能是Series这种类型，shape为...

知天易or逆天难
2018-04-19 19:19:19

 1.3w

 12

#sklearn #数据挖掘
Scikit-learn 官网地址【中英文】

Scikit-learn官网地址

 南国北顾百里登风
2022-09-23 19:02:53

 3504

 1

#scikit-learn #sklearn #python
使用sklearn对比各种机器学习方法：SVM，XGBoost...

sklearn常用机器学习算法总结（附python代码） - 简书 (jianshu.com)https://www.jianshu.com/p/641707e4e72c注意：在使用XGBoost算法的时候，需要将X_train,y_train等Tensor类型变量数据类型置为nd array类型，而其他算法可以直接使用Tensor数据类型，即：features = features.numpy(

yimenren
2021-10-11 12:35:58

 2911

 2

#sklearn #python #算法
（6）机器学习_支持向量机

1、什么是支持向量机classsklearn.svm.SVC(∗,C=1.0,kernel=′rbf′,degree=3,gamma=′scale′,coef0=0.0,shrinking=True,probability=False,tol=0.001,cache_size=200,class_weight=None,verbose=False,max_iter=−1,decision_func

牛右刀薛面
2021-08-20 16:15:57

 505

#机器学习 #sklearn
【机器学习】如何正确下载sklearn包

完成。

weixin_43416960
2025-04-15 13:52:44

 539

 3

#机器学习 #sklearn #人工智能
基于sklearn实现LDA主题模型（附实战案例）

我们来分析一下输出的结果，第一个0主题对应的应该是....好像还看不出来，先看后面的，第二个1主题对应的应该是股票，2主题对应的应该是教育，3主题对应的应该是科技，4主题对应的应该是体育，5主题对应的是房地产，6主题对应的是娱乐，7主题对应的应该是游戏，最后还剩一个彩票，那应该就是主题0，但是效果好像不是很好，为了提高准确率，可在数据处理和参数选择的时候多下点功夫多研究研究，得到最优的模型。我们可

 Oona_01
2024-04-07 22:17:22

 992

 1

#sklearn #人工智能 #python

加载更多

回到
顶部

提供社区服务与技术支持

提供社区服务与技术支持

©1999-2023北京创新乐知网络技术有限公司京ICP备19004658号