<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>模型评估 on 知识铺的博客</title>
    <link>https://index.zshipu.com/geek/tags/%E6%A8%A1%E5%9E%8B%E8%AF%84%E4%BC%B0/</link>
    <description>Recent content in 模型评估 on 知识铺的博客</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-CN</language>
    <lastBuildDate>Mon, 31 Aug 2026 00:00:00 +0000</lastBuildDate>
    <atom:link href="https://index.zshipu.com/geek/tags/%E6%A8%A1%E5%9E%8B%E8%AF%84%E4%BC%B0/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>十四种说话人编码器听同一段语音，错误率相差五倍</title>
      <link>https://index.zshipu.com/geek/post/20260831/%E5%8D%81%E5%9B%9B%E7%A7%8D%E8%AF%B4%E8%AF%9D%E4%BA%BA%E7%BC%96%E7%A0%81%E5%99%A8%E5%90%AC%E5%90%8C%E4%B8%80%E6%AE%B5%E8%AF%AD%E9%9F%B3%E9%94%99%E8%AF%AF%E7%8E%87%E7%9B%B8%E5%B7%AE%E4%BA%94%E5%80%8D/</link>
      <pubDate>Mon, 31 Aug 2026 00:00:00 +0000</pubDate>
      <guid>https://index.zshipu.com/geek/post/20260831/%E5%8D%81%E5%9B%9B%E7%A7%8D%E8%AF%B4%E8%AF%9D%E4%BA%BA%E7%BC%96%E7%A0%81%E5%99%A8%E5%90%AC%E5%90%8C%E4%B8%80%E6%AE%B5%E8%AF%AD%E9%9F%B3%E9%94%99%E8%AF%AF%E7%8E%87%E7%9B%B8%E5%B7%AE%E4%BA%94%E5%80%8D/</guid>
      <description>十四种说话人编码器听同一段语音，错误率相差五倍 十四种说话人编码器处理同一语音时，错误率最高相差五倍。在11935次相同试验中，不同编码器将语音转为向量的距离判断差异巨大，而这一距离常被直接用于判断是否同一人。该数值被用于身份验证、语音克隆流程，以及合成语音身份保留的论文评估中。 1</description>
    </item>
    <item>
      <title>机器学习模型评估与超参数调优详解</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E8%AF%84%E4%BC%B0%E4%B8%8E%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98%E8%AF%A6%E8%A7%A3/</link>
      <pubDate>Tue, 15 Mar 2022 09:05:21 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E8%AF%84%E4%BC%B0%E4%B8%8E%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98%E8%AF%A6%E8%A7%A3/</guid>
      <description>Datawhale干货 作者：李祖贤 深圳大学，Datawhale高校群成员 当我们建立好了相关模型以后我们怎么评价我们建立的模型的好坏以及优化我们建立的模型呢？那本次分享的内容就是关于机器学习模型评估与超参数调优的。本次分享的内容包括： 用管道简化工作流 使用k折交叉验证评估模型性能 使用</description>
    </item>
  </channel>
</rss>
