![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
混混度日的咸鱼
这个作者很懒,什么都没留下…
展开
-
基于dlib库进行微笑识别和口罩识别
安装库tensorflow和keras参考我之前的博客下载dlib库不能从anaconda prompt中直接pip install dlib下载,要先从https://blog.csdn.net/weixin_39954229/article/details/81878864下载dlib库,在anaconda prompt中cd 到这里whl文件下载的位置,然后使用下面的命令下载pip install dlib-19.7.0-cp36-cp36m-win_amd64.whl至此dlib库下载原创 2020-07-11 23:58:59 · 2099 阅读 · 0 评论 -
window10下pycharm+yoloV4体验使用keras模型训练检测图片
使用yoloV4+keras训练检测图片中物体前期准备环境:windows+anaconda3+pythonIDLE前期准备首先就要安装tensorflow:参考我之前的一篇博客中的内容https://blog.csdn.net/A981012/article/details/106650686.从GitHub上下载代码,解压将voc数据集的权重文件从 下载下来。添加到文件中新建count文件,将数据集文件下载下来,放在这个文件里。使用IDLE运行voc_annotation.py文件,原创 2020-07-06 17:23:36 · 4359 阅读 · 2 评论 -
机器学习支持向量机SVM算法分类简析
持向量机SVM算法分类简析支持向量机算法简介超参数cc对SVM分类划分决策边界使用多项式特征进行划分使用核函数进行划分高斯核函数高斯函数 超参数γ\gammaγ的划分影响SVM回归拟合度支持向量机算法简介支持向量机SVM是在分类与回归分析中分析数据的监督式学习模型与相关的学习算法。给定一组训练实例,每个训练实例被标记为属于两个类别中的一个或另一个,SVM训练算法创建一个将新的实例分配给两个类别之一的模型,使其成为非概率二元线性分类器。SVM模型是将实例表示为空间中的点,这样映射就使得单独类别的实例被尽可原创 2020-05-26 00:32:01 · 1198 阅读 · 0 评论 -
采用线性LDA、k-means和SVM算法对鸢尾花数据集和月亮数据集进行二分类可视化分析
采用线性LDA、k-means和SVM算法对鸢尾花数据集和月亮数据集进行二分类可视化分析SVM,k-means,线性LDA算法简介对两个数据集采用线性LDA进行分类采用k-means进行分类采用SVM算法进行分类SVM算法的优点SVM,k-means,线性LDA算法简介SVM模型是将实例表示为空间中的点,这样映射就使得单独类别的实例被尽可能宽的明显的间隔分开。然后,将新的实例映射到同一空间,并基于它们落在间隔的哪一侧来预测所属类别。k-means是将对于给定的样本集,按照样本之间的距离大小,将样本集划原创 2020-05-18 21:30:22 · 1039 阅读 · 0 评论 -
机器学习:鸢尾花数据集8:2划分训练集和测试集,并进行决策树分类算法练习
遇到的问题解决:https://stackoverflow.com/questions/45890328/sklearn-metrics-for-multiclass-classification原创 2020-05-07 22:00:34 · 18630 阅读 · 2 评论 -
人工智能基础学习: 用Jupyter完成Iris数据集的 Fisher线性分类,并学习数据可视化技术
jupyter完成Iris数据集的Fisher线性分类并可视化一级目录二级目录三级目录一级目录二级目录三级目录原创 2020-05-06 16:44:28 · 1281 阅读 · 1 评论 -
人工智能基础学习:Fisher判别的python推导和Fisher线性分类判断的理解
Fisher线性分类判断的理解和Fisher判别的python推导Fisher线性分类判断类内离散度概念和几何意义类间离散度概念和几何意义Fisher判别python推导Fisher线性分类判断Fisher线性判别函数是研究线性判别函数中最有影响的方法之一。对线性判别函数的研究就是从R.A.Fisher在1936年发表的论文开始的。Fisher 线性判别函数的提出:在用统计方法进行模式识别时...原创 2020-05-06 12:34:00 · 956 阅读 · 0 评论 -
机器学习基础概念:查准率、查全率、ROC、混淆矩阵、F1-Score 机器学习实战:分类器
机器学习:基础概念查准率、查全率F1-Score、ROC、混淆矩阵机器学习实战:分类器查准率、查全率对于二分类问题,可将样例根据其真实类别与学习器预测类别的组合划分为真正例TP、假正例FP、真反例TN、假反例FN四种,令TP、FP、TN、FN分别表示其对应的样例数,则显然有TP+FP+TN+FN=样例总数,分类结果的“混淆矩阵”为:查准率P:p=TPTP+FPp=\frac{TP}{TP...原创 2020-04-28 12:55:11 · 2057 阅读 · 0 评论 -
凸优化基础学习:凸集、凸函数、凸规划理论概念学习
凸优化基础1、计算几何是研究什么的?2、计算几何理论中(或凸集中)过两点的一条直线的表达式,是如何描述的?与初中数学中那些直线方程有什么差异?有什么好处?3、凸集是什么? 直线是凸集吗?是仿射集吗?4、三维空间中的一个平面,如何表达?5、更高维度的“超平面”,如何表达?6、什么是“凸函数”定义?什么是Hessen矩阵? 如何判别一个函数是凸函数?f(x)=x^3 函数是凸函数吗?7、什么是“凸规划...原创 2020-04-22 22:24:01 · 2095 阅读 · 0 评论 -
线性规划Python实现:使用库函数和不使用库函数进行单纯形法(大M法)线性规划
使用库函数和不使用库函数进行单纯形法线性规划使用scipy库进行单纯形法线性规划单纯形法大M法不使用库函数进行单纯形法线单纯形法大M法遇到的问题及解决使用scipy库进行单纯形法线性规划单纯形法给出的线性规划为:max $2x_1大M法不使用库函数进行单纯形法线单纯形法大M法遇到的问题及解决...原创 2020-04-21 10:49:31 · 1168 阅读 · 1 评论 -
人工智能基础学习:拉格朗日乘子法实现非线性规划
拉格朗日乘子法实现非线性规划拉格朗日乘子法原理介绍拉格朗日乘子法python代码用KKT条件验证解的有效性拉格朗日乘子法原理介绍对于二元函数,设目标函数为f(x1,x2x_1,x_2x1,x2),极值存在的必要条件为:等式约束为:g(x1,x2x_1,x_2x1,x2)=0在无约束时,∂f∗∂x1\frac{\partial f^*}{\partial x_1}∂x1∂f∗=∂...原创 2020-04-20 18:51:38 · 1313 阅读 · 0 评论 -
梯度下降法和牛顿迭代法的Python实现原理及比较
这里写目录标题一级目录二级目录三级目录一级目录二级目录三级目录原创 2020-04-06 16:56:04 · 1381 阅读 · 0 评论 -
jupyter使用Python编程----使用梯度下降法求多元函数的极值和系数并与最小二乘法进行比较
使用梯度下降法求多元函数的系数并与最小二乘法进行比较梯度下降法求解多元函数的系数最小二乘法求解多元函数的系数两者的比较和总结梯度下降法求解多元函数的系数最小二乘法求解多元函数的系数两者的比较和总结...原创 2020-04-06 16:26:44 · 3044 阅读 · 1 评论 -
使用jupyter notebook将ipynb文件转换为md文件和PDF文件
使用jupyter将ipynb文件转换为md文件和PDF文件ipynb文件转换为md文件ipynb文件转换为PDF文件遇到的问题及解决方法ipynb文件转换为md文件首先进入输入命令pip install notedown然后找到jupyter_notebook_config.py文件,然后将c.NotebookApp.contents_manager_class 更改为,且去掉#...原创 2020-04-05 17:26:07 · 2405 阅读 · 0 评论 -
jupyter实现不用sklearn库求解多元线性回归方程(最小二乘法)
jupyter用最小二乘法求解多元线性回归方程jupyter用最小二乘法求解多元线性回归方程jupyter用最小二乘法求解多元线性回归方程导入需要的数据文件编写程序遇到的问题及解决方法导入需要的数据文件首先将所需要的数据文件导入到jupyter中,就可以不用在程序里使用数据文件时加入路径。打开jupyter,点击upload,选择你需要的文件,确定,点击上传编写程序遇到的问题及解决...原创 2020-03-26 12:15:42 · 2406 阅读 · 2 评论