- 博客(17)
- 收藏
- 关注
RSS订阅原创 openpose环境配置（ubuntu）
1、下载openpose可以根据上面的连接通过window下载也可以在ubuntu的teminal里输入上面的命令。（下这些乱七八糟的真是把我的心伤透了、、、因为不懂ubuntu和Linux的一些语法，包括cuda兼容性、、、下了好几天谁懂啊、、、、、、、）
2024-06-06 23:03:01
288
原创 吴恩达老师2022机器学习week 1报错：无/deeplearning.mplstyle文件和No module named ‘lab_utils_uni‘
小白遇到bug的迷茫探索
2024-05-28 12:11:56
234
原创 openpose中PAF的实现原理
根据A和B的坐标，首先得到一个矩形，即代码中的range部分，那模型如何判断特征图中的点哪些在range中哪些不在range中？我们针对特征图中的点做向量，以A为例，假设特征图中的点为C，那么用向量AC与AB的单位向量做叉乘，可以得到以两个向量为边的平行四边形的面积，以面积作为划分标准。其中最重要的是计算平均的处理，是先将原平均值还原，再将新的特征图加进去算，除以总数n+1即可。该段代码描述的是，每个在区域内的点，最后都会被画成AB的单位向量，false=0，true=1，然后用bool矩阵去乘单位向量。
2024-05-12 22:18:38
379
原创 K-F数据降维模型
Kolmogorov Filter数据降维模型Kolmogorov Filter方法[1]（下面称K-f法）是基于Kolmogorov-Smirnov检验而提出。K-f法重点关注了两种条件下的分布函数存在较大差距的预测变量，这些变量的值对Y值的选取有较大的决定作用，故作为重要变量。K-f方法是对二值响应变量的预测变量的筛选方法，且其预测变量的类型不做限制。具体步骤如下：首先定义与分别是给定或条件下的分布函数（条件积累概率函数）其次定义Kolmogorov系数为两分布函数差的上界的估计值分别是和的矩估
2021-10-15 16:28:48
432
4
原创 数模数据中缺失值补充问题
类型一：KNN（k-nearest neighbor）算法一．KNN（k-nearest neighbor）算法的具体思想，流程及优劣k指的是离此点最近的k个点，用这k个点的值估计此点的缺失值（常用平均值法）。流程：1） 计算已知类别数据集中的点与当前点之间的距离（欧式距离）2） 按距离递增次序排序3） 选取与当前点距离最小的k个点4） 统计前k个点所在的类别出现的频率5） 返回前k个点出现频率最高的类别作为当前点的预测分类二．K值确定：使用十重交叉验证：在得出k=1，2……的填好缺失值
2021-10-13 14:19:01
1851
2
原创 Lasso降维代码
lasso降维var foo = 'bar';library(lars)x<-n.data[,3:(length(n.data))] #提取预测变量部分数据x<-as.matrix(x) #转为矩阵格式y<-n.data[,2] #提取响应变量部分数据y<-as.matrix(y) #转为矩阵格式lar1<-lars(x,y,type = "lasso")summary(lar1) #求取cp值lar1$Cp[which.min(lar1$C
2021-08-13 16:04:43
1194
2
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