正在检索范文
Papers
按题型、模型和关键词找相近题目。先看它用了什么模型，再决定自己怎么做。
以下内容均为 Demo / 示例数据，用于学习流程演示，不是真实获奖论文。
共 10 篇示例论文 · 第 1/1 页
核心模型：KNN / Logistic
关键词：近邻 / 判别
适合学习：★★★★★
沿海城市背景下的分类题：用 knn / logistic 完成「学生学业预警判别」，重点练该题型的标准写法。
核心模型：PCA / SVM
关键词：分类 / 间隔
适合学习：★★★★☆
中西部县域背景下的分类题：用 svm / pca 完成「垃圾图像特征分类」，重点练该题型的标准写法。
中西部县域背景下的分类题：用 knn / logistic 完成「学生学业预警判别」，重点练该题型的标准写法。
核心模型：多层感知机 / 朴素贝叶斯
关键词：文本 / 分类
适合学习：★★★☆☆
沿海城市背景下的分类题：用 naive-bayes / mlp 完成「舆情文本正负向判别」，重点练该题型的标准写法。
核心模型：Logistic / PCA
关键词：分类 / 识别
沿海城市背景下的分类题：用 logistic / pca 完成「贷款违约风险判别」，重点练该题型的标准写法。
中西部县域背景下的分类题：用 naive-bayes / mlp 完成「舆情文本正负向判别」，重点练该题型的标准写法。
中西部县域背景下的分类题：用 logistic / pca 完成「贷款违约风险判别」，重点练该题型的标准写法。
核心模型：决策树 / 随机森林
关键词：规则 / 分类
沿海城市背景下的分类题：用 decision-tree / random-forest 完成「贫困户识别规则树」，重点练该题型的标准写法。
沿海城市背景下的分类题：用 svm / pca 完成「垃圾图像特征分类」，重点练该题型的标准写法。
中西部县域背景下的分类题：用 decision-tree / random-forest 完成「贫困户识别规则树」，重点练该题型的标准写法。