- 博客(6)
- 收藏
- 关注
RSS订阅原创 机器学习（西瓜书）之一元线性回归公式推导
一元线性回归公式推导1. 求解偏置b的公式推导2.求解权重w的公式推导3.将w向量化1.求解偏置b的公式推导思路：由最小二乘法导出损失函数E(w,b)E( w, b )E(w,b)—>证明损失函数E(w,b)E( w, b )E(w,b) 是关于www和bbb的凸函数—>对损失函数E(w,b)E( w, b)E(w,b)关于bbb求一阶偏导数—>令一阶偏导数等于000解出bbb由最小二乘法导出损失函数E( w, b):...
2020-07-03 22:30:19
1136
原创 图像处理之图像直方图
直方图绘制目的：直方图是对图像像素的统计分布，它统计了每个像素（0到255）的数量。函数：cv2.calcHist(images, channels, mask, histSize, ranges)参数说明：参数1：待统计图像，需用中括号括起来； 参数2：待计算的通道； 参数3：Mask，这里没有使用，所以用None。 参数4：histSize，表示直方图分成多少份； 参数5：是表示直方图中各个像素的值，[0.0, 256.0]表 示直方图能表示像素值从0.0到256的像素。直方图是 对图
2020-07-03 19:43:48
1437
原创 图像处理之通道分离与合并
通道分离目的：将彩色图像，分成b、g、r 3个单通道图像。方便我们对BGR 三个通道分别进行操作。函数：cv2.split(img)参数说明：参数1：待分离通道的图像Python代码实现#加载opencvimport cv2src=cv2.imread('split.jpg')cv2.imshow('before',src)#调用通道分离b,g,r=cv2.split(src)#三通道分别显示cv2.imshow('blue',b)cv2.imshow('green',g)cv2
2020-07-03 19:26:58
1720
原创 图像处理之灰度转化
灰度转化目的：将三通道图像（彩色图）转化为单通道图像（灰度图）公式：3-->1: GRAY = B * 0.114 + G * 0.587 + R * 0.2991-->3: R = G = B = GRAY; A = 0函数：cv2.cvtColor(img，flag)参数说明：参数1：待转化图像；参数2：flag就是转换模式，cv2.COLOR_BGR2GRAY：彩 色转灰度cv2.COLOR_GRAY2BGR：单通道转三通道Python代码实现#导入opencvimpor
2020-07-03 18:59:37
2958
原创 LeetCode-215：数组中的第K个最大元素（快排与堆排）
题目：数组中的第K个最大元素在未排序的数组中找到第 k 个最大的元素。请注意，你需要找的是数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素。示例 1:输入: [3,2,1,5,6,4] 和 k = 2输出: 5示例 2:输入: [3,2,3,1,2,4,5,5,6] 和 k = 4输出: 4说明:你可以假设 k 总是有效的，且 1 ≤ k ≤ 数组的长度。思路：方法1：最简单的方法就是调用排序的库函数，对数组的元素先进行排序，然后找出第K个最大值（当然这个方法很简单，无法
2020-07-03 16:12:09
238
原创 奇异值分解极其应用（SVD）
数学知识—线代为了论述矩阵的奇异值分解，需要下面的结论：1.设A∈Crm∗nA \in {{C_r^{m*n}}}A∈Crm∗n (r>0)，则AHAA^HAAHA是Hermite矩阵，且其特征值均是非负实数；2.rank（AHA）=rankArank（A^HA）= rankArank（AHA）=rankA3.设A∈Crm∗nA \in {{C_r^{m*n}}}A∈Crm∗n，则A=OA=OA=O的充要条件是AHA=OA^HA=OAHA=O定义：设A∈Crm∗n(r>0)A \i
2020-06-27 01:16:52
1500
1
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