乳腺癌数据分类模型 在乳腺癌数据上实现不同的分类模型，并通过K折交叉验证来验证模型的准确性，并通过网格交叉来获得合适的超参数。 涵盖的型号。 1）通过网格搜索和K折交叉验证进行XG增强2）通过网格搜索和K折交叉验证进行逻辑回归

多自动编码器文本分类模型设计，苏峰，王旭，在文本挖掘研究中，通常采用向量空间模型。然而,向量空间模型带来的高维稀疏矩阵运算是影响文本分类准确率的重要因素之一。近年��

pytorch_classification 利用pytorch实现图像分类，其中包含的密集网，resnext，mobilenet，efficiencynet，resnet等图像分类网络，可以根据需要再行利用torchvision扩展其他的分类算法 实现功能 基础功能利用pytorch实现图像分类 包含带有warmup的cosine学习率调整 warmup的step学习率优调整 多模型融合预测，修正与投票融合 利用flask实现模型云端api部署 使用tta测试时增强进行预测 添加label smooth的pytorch实现（标签平滑） 添加使用cnn提取特征，并使用SVM，RF，MLP，KN

简单高效的Bert中文文本分类模型开发和部署

其余两个模型文件可重新训练

猫狗数据集；用于训练猫狗二分类模型

构建分类模型对小麦籽粒分类

使用分类模型对学生成绩等级预测

【华泰金工】人工智能37：舆情因子和 BERT 情感分类模型.pdf

文本序列中各单词的重要程度以及其之间的依赖关系对于识别文本类别有重要影响.胶囊网络不能选择性关注文本中重要单词,并且由于不能编码远距离依赖关系,在识别具有语义转折的文本时有很大局限性。