- 博客(9)
- 收藏
- 关注
RSS订阅转载 sklearn-梯度提升树（GBDT）参数解释
一、GBDT类库boosting框架参数 首先，我们来看boosting框架相关的重要参数。由于GradientBoostingClassifier和GradientBoostingRegressor的参数绝大部分相同，我们下面会一起来讲，不同点会单独指出。 1)n_estimators: 也就是弱学习器的最大迭代次数，或者说最大的弱学习器的个数。一般来说n_estimato...
2019-10-21 17:12:13
2543
翻译 皮尔逊相关系数(Pearson Correlation Coefficient)
简介：皮尔逊相关系数，用来反映两个随机变量之间的线形相关程度。皮尔逊相关也称为积差相关(或矩阵相关)是一种计算直线相关的方法。首先，先了解一下协方差(Covariance)，协方差是一个反映两个随机变量相关程度的指标，如果一个变量跟随另一个变量同时变大或者变小，那么这两个变量的协方差就是正值，反之相反，协方差的公式如下：假设有两个变量X，Y，那么两个变量间的皮尔逊相关系数可通过以下公式...
2019-07-21 16:22:35
18804
原创 CNN阅读
基础：1.CNN是一种带有卷积结构的深度神经网络，通常至少有两个非线性可训练的卷积层，两个非线性的固定卷积层（又叫Pooling Laye）和一个全连接层，一共至少5个隐含层。2.Softmax回归：它是在逻辑回归的基础上扩张而来，它的目的是为了解决多分类问题。在这类问题中，训练样本的种类一半在两个以上。Softmax回归是有监督学习算法，它也可以与深度学习或无监督学习方法结合使用。卷...
2019-01-18 21:02:05
914
原创 图像分类-笔记
FLANN介绍在计算机视觉和机器学习中，对于一个高维特征，找到训练数据中的最近邻计算代价是昂贵的。对于高维特征，目前来说最有效的方法是the randomized k-d forest和the priority search k-means tree，而对于二值特征的匹配multiple hierarchical clusteringtrees则比LSH方法更加有效。目前来说，fas...
2019-01-18 21:01:11
610
翻译 推荐算法
推荐算法大致可以分为以下几类：1. 基于流行度的算法2. 协同过滤算法3. 基于内容的算法4. 基于模型的算法5. 混合算法每个算法的存在都是以产品功能、形态导向（比如新闻、电商、金融产品在推荐中主体、时效、风险等因素均差异很大，需要使用不同算法），并且以某个算法为主导，并辅之以其他算法（解决主算法的不足或优化主算法），如冷启动、商品深度、零结果率等问题。...
2018-05-02 21:59:32
258
原创 卷积神经网络整理
卷积神经网络由输入层、卷积层、激活函数、池化层、全连接层组成，即INPUT + CONV + RELU + POOL + FC一、卷积层卷积层的作用是：提取特征是对图像的一个邻域进行卷积得到图像的邻域特征，池化层是使用pooling技术将小邻域内的特征点整合得到新的特征。二、池化层：在完成卷积特征提取之后，对于每一个隐藏单元，它都提取到(r-a+1)*(c-b+1)个...
2018-01-14 13:50:54
510
转载 【目标检测】RCNN算法详解
RCNN文章出处：Girshick, Ross, et al. "Rich feature hierarchies for accurate object detection and semantic segmentation"Region CNN（RCNN）是利用深度学习进行目标检测的方法，比较先进。文章主要解决了目标检测中的两个关键问题：速度和训练集第一个关键问题：速度经典的...
2018-01-14 12:06:38
447
1
翻译 以图搜图
以图搜图，查找类似图片点击搜图，上传图片，会找出与之相似的图片（google搜图，百度搜图），图片相似度越高就越排在前面。根据Neal Krawetz博士的解释，实现相似图片搜索的关键技术叫做“感知哈希算法”(Perceptualhash algorithm)，它的作用是对每张图片生成一个“指纹”（fingerprint）字符串，然后比较不同图片的指纹，结果越相近，就说明图片越相似。从...
2018-01-13 22:21:19
6973
原创 持续集成入门
持续集成－Continuous integration,简称CI。一、介绍持续集成，就是频繁的将代码集成到主干（trunk）上。有两个优点：（1）快速发现问题：每次完成一点更新，就会集成到主干上，可以快速发现bug，定位问题也比较容易（2）防止分支branch大幅偏离主干：若不经常集成，主干又在不断更新，会导致以后集成的难度变大，甚至难以集成。持续集成的目的，是让产品可以快...
2017-08-26 12:43:40
409
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人