- 博客(13)
- 收藏
- 关注
RSS订阅原创 python与机器学习（七）下——torchvision预训练模型测试真实图像分类
任务要求：利用torchvision中的预训练CNN模型来对真实的图像进行分类，预测每张图片的top5类别。数据: real_image, class_index.json导入：import torchfrom torchvision import models, datasets, transformsfrom torch.utils.data import DataLoader, Datasetfrom PIL import Imageimport numpy as npimport t
2021-02-15 23:40:09
954
2
原创 python与机器学习（七）上——PyTorch搭建LeNet模型进行MNIST分类
任务要求：利用PyTorch框架搭建一个LeNet模型，并针对MNIST数据集进行训练和测试。数据集：MNIST导入：import torchfrom torch import nn, optimfrom torch.autograd import Variablefrom torch.nn import functional as Ffrom torchvision import datasets, transformsfrom torch.utils.data import DataLo
2021-02-15 23:32:19
658
原创 python与机器学习（六）——支持向量机(SVM) && 多层感知机(MLP)
在这次实验中，我们将尝试提取基本的图像特征并利用支持向量机或多层感知机算法对提取的特征进行图像分类。导入：import numpy as npimport matplotlibfrom scipy.ndimage import uniform_filter数据加载：# 读取提供的cifar10-mini数据集，data = np.load('cifar10-mini.npz')X_train= data['X_train']X_val= data['X_val']X_test= da
2021-02-15 23:21:22
2115
1
原创 python与机器学习（五）——决策树
python与机器学习（五）——决策树决策树(Decision Tree)通过sklearn库的决策树模型对iris数据进行多分类，并进行结果评估导入：from sklearn.tree import DecisionTreeClassifierfrom sklearn.datasets import load_irisfrom sklearn import datasetsfrom sklearn.datasets import load_breast_cancerfrom sklearn
2021-02-15 22:58:46
424
1
原创 骨架图笔记
骨架图笔记基于骨架的动作识别一副骨架可以抽象为两种元素，关节点与骨骼，就类似于一个由图与边构成的图。点对应关节点，边对应骨架中的每一根骨骼。在计算机视觉领域内，基于骨架的动作识别的定义为：对一副骨架序列进行模式判别，识别这副骨架语义上所代表的执行者所表达的动作。获取骨架的方式：1.通过”深度传感器”。微软，SDK，每秒钟获取 30 帧骨架，同时采集 6 副骨架，每一副骨架采集 25 个关节点的 3D 坐标。2019 年，微软推出了新一代的 Microsoft Kinect Azure，首次支持 U
2020-12-04 23:55:07
776
原创 粗糙集的基础理论汇总
粗糙集什么是粗糙集1982年波兰学者Z. Pawlak 提出了粗糙集理论——它是一种刻画不完整性和不确定性的数学工具，能有效地分析不精确，不一致（inconsistent)、不完整（incomplete) 等各种不完备的信息，还可以对数据进行分析和推理，从中发现隐含的知识，揭示潜在的规律。已被广泛应用于知识发现、机器学习、决策支持、模式识别、专家系统及归纳推理等领域。从数学的角度看，粗糙集是研究集合的；从编程的角度看，粗糙集的研究对象是矩阵,只不过是一些特殊的矩阵；从人工智能的角度来看，粗糙集研究的是
2020-12-03 21:19:47
1580
2
原创 python与机器学习（四）——线性回归和逻辑斯蒂回归
python与机器学习（四）1 线性回归要求：根据data1的二维散点数据，使用最小二乘法(LSM)求解出y关于x线性拟合的最优参数读取数据:import numpy as npimport pandas as pdimport matplotlib.pyplot as plt%matplotlib inline# 读取data1.csv数据文件data = pd.read_csv('data1.csv')# 显示前10行数据print(data.head(10))# x,y数据赋值
2020-11-30 17:44:29
823
2
原创 python与机器学习（三）——真正（负）率 / 假正（负）例 / ROC / AUC
python与机器学习（三）读取data.csv文件数据完成：1.分别计算真正例(TP)、真负例(TN)、假正例(FP)、假负例(FN)数量2.分别计算各类别(正/负例)的精确率(Precision)、召回率(Recall)、F1值(F1-score)3.分别计算精确率、召回率、F1-score的宏平均(Macro Average)并且计算准确率(Accuracy)4.绘制ROC曲线并计算曲线下面积AUC (可使用sklearn包)其中"data.csv"的部分数据如下所示：1 读取数据预
2020-11-30 17:21:59
2044
原创 python与机器学习（二）Numpy / Pandas /矩阵相乘速度对比
python与机器学习（二）NumPy(Numerical Python)是Python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy的官方文档：https://numpy.org/doc/stable/reference/index.htmlPandas是一个强大的分析结构化数据的工具集，它的使用基础是NumPy(提供高性能的矩阵运算)，用于数据挖掘和数据分析,同时也提供数据清洗功能。Pandas的官方文档：https://pandas.py
2020-11-30 13:54:36
2662
原创 python与机器学习（一）图片相关操作
python与机器学习（一）实验 1 读取图片利用 PIL 中的 Python 模块读取一张图片，然后讲其转换成灰度图像，并使其显示。# 引入实验需要的库from PIL import Imagefrom pylab import imshow# 设置在jupyter notebook中以内联的形式显示 matplotlib 绘制的图片（显示更美观）%matplotlib inline# 使用 Image.open(path) 读取你电脑中的一张图片path = 'untitled.
2020-11-30 13:16:15
920
原创 一些用于拥挤场景的异常检测的视频数据集
UCSD Anomaly Detection Datasethttp://www.svcl.ucsd.edu/projects/anomaly/dataset.htmUCSD（加州圣地亚哥大学分校）异常检测数据集UCSD异常检测数据集是通过安装在高处的固定摄像机获取的，该摄像机可以俯瞰人行道。人行道上的人群密度是可变的，从稀疏到非常拥挤。在正常设置下，视频只包含行人。异常事件是由以下两个原因引起的:1. 非行人实体在人行道上的流通 2.异常的行人运动模式通常发生的异常包括骑自行车的人，滑冰的.
2020-11-09 23:17:20
1510
原创 利用TCN网络实现MNIST手写体数据集的识别
利用TCN网络实现MNIST手写体数据集的识别TCN识别MNIST代码的GitHub网址 https://github.com/locuslab/TCN论文来源 https://arxiv.org/pdf/1803.01271.pdf论文的作者利用了TCN模型实现了一些数据集的预测任务。本小白/菜鸡/蒟蒻把里面预测识别MNIST数据集的一个pmnist_test.py文件（位置：TCN/mnist_pixel/pmnist_test.py）通篇注释了一下，可能会有理解存在偏差的地方。还请多多包涵。i
2020-11-08 15:26:25
3101
6
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