- 博客(3)
- 收藏
- 关注
RSS订阅原创 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