- 博客(3)
- 收藏
- 关注
原创 机器学习(五)logistic回归
1.Logistic回归概述我们都知道使用线性模型可以进行回归学习,但若要做的是分类任务改如何处理?只需要找一个单调可微函数将分类任务的真实标记y与线性回归模型的预测值联系起来。考虑二分类任务,其输出标记y的取值为0和1,而线性回归模型产生的预测值是实值,于是需将实值z转换为0/1值。通过Sigmoid函数引入非线性因素,可以实现实值z转换为0/1值,处理二分类问题。
2024-03-24 15:24:07
1085
原创 深度学习框架与机器学习基础知识
全称Convolutional Architecture for Fast Feature Embedding,主要由伯克利视觉和学习中 心(BVLC)开发,它是一个专注于卷积神经网络(CNN)的框架,特别适合图像分类和 计算机视觉任务。Caffe的优势在于Caffe不仅适用于学术研究,还被应用于工业级的视觉、语音和多媒体领域。比如雅虎将Caffe 与Apache Spark集成,创建了CaffeOnSpark,一个分布式深度学习框架。
2024-03-07 15:42:24
1705
原创 深度学习与机器视觉的基本任务
总之,基本视觉任务在现实生活中有着广泛的应用,它们通过模拟人类的视觉认知能力,为多种行业提供了智能化的解决方案。深度学习的训练过程通常需要大量的计算资源和数据,因此,强大的硬件设备(如GPU)和大数据技术是深度学习的重要支持。总的来说,深度学习是一种强大的机器学习方法,它通过模拟人脑的工作原理,实现了对复杂数据的高效处理和理解。4. 语义分割:将图像中的每个像素划分到特定的类别中,用于理解图像中不同物体的精确轮廓和布局。3. 检测:不仅识别图像中的物体,还给出其位置,即结合了分类和定位的任务。
2024-03-03 16:48:40
735
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