图解机器学习 | XGBoost模型详解
XGBoost一个非常强大的Boosting算法工具包，本文讲解XGBoost的算法原理和工程实现，包括监督学习、回归树、集成、Gradient Boosting详细步骤，以及XGBoost的并行列块涉及、缓存访问等工程优化知识。
模型预测笔记(三)：通过交叉验证网格搜索机器学习的最优参数
本文介绍了网格搜索（Grid Search）在机器学习中用于优化模型超参数的方法，包括定义超参数范围、创建参数网格、选择评估指标、构建模型和交叉验证策略、执行网格搜索、选择最佳超参数组合，并使用这些参数重新训练模型。文中还讨论了GridSearchCV的参数和不同机器学习问题适用的评分指标。最后提供了使用决策树分类器进行网格搜索的Python代码示例。
基于深度学习的YOLO框架的7种交通场景识别项目系统【附完整源码+数据集】
在智慧交通和智能驾驶日益普及的今天，准确识别复杂交通场景中的关键元素已成为自动驾驶系统的核心能力之一。传统的图像处理技术难以适应高动态、复杂天气、多目标密集的交通环境，而基于深度学习的目标检测算法，尤其是YOLO（You Only Look Once）系列，因其检测速度快、精度高、可部署性强等特点，在交通场景识别中占据了重要地位。