- 博客(20)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 深度学习框架-Tensorflow基础学习
Tensorflow简介1. Tensorflow是一个编程系统，使用图来表示计算任务。使用图来表示计算任务. 图中的节点被称之为 op (operation 的缩写). 一个 op 获得 0 个或多个 Tensor, 执行计算, 产生 0 个或多个 Tensor. 每个 Tensor 是一个类型化的多维数组. TensorFlow 程序通常被组织成一个构建阶段和一个执行阶段. 在构建阶段, o...
2019-09-25 16:45:16
935
原创 Python数据分析-可视化“大佬”之Seaborn
——如果有想关注Java开发相关的内容，可以转我的博客 详细观看——Seaborn既然有了matplotlib,那为啥还需要seaborn呢？其实seaborn是在matplotlib基础上进行封装，Seaborn就是让困难的东西更加简单。用Matplotlib最大的困难是其默认的各种参数，而Seaborn则完全避免了这一问题。seaborn是针对统计绘图的，一般来说，seaborn能满足数...
2019-09-25 16:40:31
558
原创 Python数据分析-可视化“大佬”之Matplotlib
——如果有想关注Java开发相关的内容，可以转我的博客 详细观看——Matplotlib——Python可视化包折线图绘制折线图适合二维的大数据集，还适合多个二维数据集的比较，主要是用于反映数据的发展趋势变化情况。## 采用失业率的数据集进行绘制import numpy as npfrom numpy import arangeimport pandas as pdimport...
2019-09-25 16:39:35
300
原创 Python数据分析-Pandas
——如果有想关注Java开发相关的内容，可以转我的博客 详细观看——在学习了Numpy后，进行数据科学计算，为何还要使用Pandas呢？其实原因就是效率高，那为何Pandas效率比numpy要高呢？其实Pandas和Numpy还是有着很大的关系的，Pandas本身是依赖numpy的，而ndarray在内存里占据这一段连续的内存空间，任何改变ndarray长度的操作都势必让所有value改变内存...
2019-09-25 15:47:52
324
原创 Python数据分析-Numpy
Numpy特点——如果有想关注Java开发相关的内容，可以转我的博客 详细观看——Numpy作为使用Python进行科学计算的常用库，有着如下特点：提供了N维数组（矩阵），快速高效，矢量数学运算；高效的Index，不需要循环，因为底层实现采用了C语言开发。常见的数组和矩阵的方法数组和矩阵的创建与维度信息numpy.array()## 数组的创建vector = nump...
2019-09-25 15:46:11
271
原创 第十二章-自我总结
在学习和推导了统计学习方法-李航(第2版)中的内容，收获蛮多，对此，既然轻轻地来了，那就得潇洒地给这个阶段学习的内容画上一个圆满的句号。统计学习方法总结以下是整本书中出现的10种统计学习方法的特点和概括总结，对于学习的一些方法，我们需要很清楚的知道这些统计学习方法的模型、策略、算法，还有适合应用的场景，这才对于我们以后在解决实际问题的过程中，才会清楚选择哪种比较适合当前需要解决的实际场景。另外...
2019-09-25 15:44:48
310
原创 第十一章-CRF的奇妙之处
上篇中，我们了解到HMM的相关知识，并且知道HMM属于概率有向图模型，接下来，让我们一起学习总结概率无向图模型——条件随机场(Conditional Random Field, CRF)。思维导图概率无向图模型概率无向图模型又称为马尔可夫随机场，是一个可以由无向图表示的联合概率分布。模型定义设有联合概率分布P(Y)，由无向图G=(V,E)表示，V表示结点集合，E表示边集合，在图G中，结...
2019-09-25 15:44:03
451
原创 第十章-HMM模型以及相关推导
隐马尔可夫模型(Hidden Markov Model, HMM)是可用于标注问题的统计学习模型，描述由隐藏的马尔科夫链随机生成的观测序列的过程，属于生成模型，是概率模型的一种。本章主要是总结HMM模型的概率计算算法、学习算法以及预测算法。HMM在语音识别、自然语言处理NLP等领域有着广泛的应用。概率图模型常常是为了描述随机变量之间的关系（是不是独立的），分为有向图和无向图，而HMM主要用有向...
2019-09-25 15:43:09
498
原创 第九章-EM算法
从第九章开始，学习总结的东西有所不同了，第2-8章是分类问题，都属于监督学习，第9章EM算法是非监督学习。本文主要是总结EM算法的应用以及处理问题的过程和原理推导。EM算法EM算法(期望极大算法 expectation maximization algorithm)是一种迭代算法。当我们面对概率模型的时候，既有观测变量，又含有隐变量或者潜在变量。如果概率模型的变量都是观测变量，那么给定数据，...
2019-09-25 15:42:22
371
原创 第八章-提升方法AdaBoost算法
在2019年9月16日11晚，Jay Chou开始发布了他的新歌说好不哭的时候，不到12个小时，售出量就已经达到了500万，还导致了QQ音乐系统瘫痪，这充分看出周董的高流量人气，当然，作为90后的我也是其中粉丝之一。这告诉我们的是，无论做什么，扎实的基础很重要的，如果周董没有扎实的音乐基础(PS:当然，也不否认他在音乐方面也具备一定的天赋)，他也不会在经过这么长时间后重发表新歌时再次受到很多的粉...
2019-09-25 15:41:32
246
原创 第七章-SVM支持向量机
在第二章中我们学习到感知机模型的相关知识，感知机模型是当数据线性可分时，如何利用一个超平面区分两类不同的数据。对于以上情况，支持向量机和感知机是非常相似的，两者的差别在于损失函数的不同。当线性不可分的情况下，SVM可以用核函数来实现对线性不可分的数据进行分类。思维导图硬间隔最大化和软间隔最大化线性支持向量机与硬间隔最大化所谓的硬间隔最大化，就是当选择一个超平面将两组数据进行分割开，在二维...
2019-09-25 15:40:18
346
原创 第六章-逻辑回归与最大熵模型
逻辑斯谛回归是统计学习中的经典分类方法，和最大熵模型相比，具有以下的共同点和区别：共同点都属于概率模型，该模型要寻找的是给定一个x，得到输出变量Y的概率分布P(Y|x)，如果是二分类，Y取值为0或1，如果是多分类，Y有K个不同的类别。都属于对数线性模型，对概率分布P(Y|x)取对数，可得lnP(Y|x)=w * x关于x的线性函数。两个模型之前的区别是Logistic回归属于判别模...
2019-09-25 15:39:19
709
原创 第五章-一起看决策树如何做出决策？
在前面我们学习了KNN是一种基本的分类和回归方法。今天我们继续来学习另一个也能进行分类和回归的方法——决策树（Decision Tree）。那么对此，决策树到底是如何做出决策的呢？请接下来往下看——思维导图（内容概览）衡量标准对于一个统计学习方法，我们需要从模型+决策+算法逐步入手。但是在认识模型之前，特征的选取又是显得特别重要，在决策树法中，存在一些比较重要的概念，即选取特征的标准。...
2019-09-25 15:38:17
759
原创 第四章-朴素贝叶斯朴素吗？
你觉得朴素贝叶斯朴素吗？ 个人觉得，一点也不朴素，如同“平凡出真知”，朴素贝叶斯还是很挺厉害的。如果想要了解朴素贝叶斯，那么需要先了解贝叶斯估计和极大似然估计。极大似然估计对于一个数据集T服从概率分布P，但是P中参数未知，针对极大似然估计，就是将未知参数看作一个定值，从而找未知参数能使得数据集T发生的概率最大。极大似然估计：假设某个数据集T(x1,x2,...,xn)服从正态分布X&nbs...
2019-09-25 15:37:10
211
原创 第三章-KNN(分类和回归算法模型)
上上一章已经学习了感知机模型、策略和算法，感知机对于分类任务有着其优点，但是该模型是在具有强假设的条件下——训练数据集必须是线性可分的，但是如果数据集是呈现无规则的分布，那么此时如果要做分类任务，还可以考虑k近邻（KNN），这是一种基本的分类和回归方法，既可以做简单的二分类也可以做复杂的多分类任务，还可以做回归任务。KNN模型KNN模型实际上对应于对特征空间的划分，虽然没有具体的数学抽象语言描...
2019-09-25 15:35:48
1419
原创 第二章-感知机
看完上一章的概要学习后，开始就进入第二章的内容——感知机。对于统计学习方法而言，包含三要素，模型+策略+算法，接下来就从以下三个要素全面了解感知机。感知机模型简单来说，感知机（Perceptron）针对的是二分类的线性模型，其输入为实例的特征向量，输出为实例的类别，取+1、-1。利用数学语言抽象模型可以这样描述：假设输入空间（特征空间）是χ∈Rn,输出空间是y=+1,−1,输入x∈χ表示实例...
2019-09-25 15:34:22
360
原创 第一章-统计学习方法概论
统计学习统计学习是关于计算机 基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。总的来说，统计学习也称为统计机器学习。统计学习的特点以计算机以及网络为平台；以数据为对象，是数据驱动的学科；目的是对数据进行预测和分析；以方法为中心，构建模型并应用模型进行预测和分析；是概率论、统计学、信息论、计算理论、最优化理论以及计算机科学等多个领域的交叉学科，具...
2019-09-25 15:32:27
310
原创 YOLOv3的论文详解
引言YOLOv3发布了，但是正如作者所说，这仅仅是他们近一年的一个工作报告(TECH REPORT)，不算是一个完整的paper，因为他们实际上是把其它论文的一些工作在YOLO上尝试了一下。相比YOLOv2，我觉得YOLOv3最大的变化包括两点：使用残差模型和采用FPN架构。YOLOv3的特征提取器是一个残差模型，因为包含53个卷积层，所以称为Darknet-53，从网络结构上看，相比Dark...
2019-09-23 10:28:00
46
原创 YOLO2——YOLO9000,Better, Faster, Stronger论文详解
引言YOLOv2的论文全名为YOLO9000: Better, Faster, Stronger，它斩获了CVPR 2017 Best Paper Honorable Mention。在这篇文章中，作者首先在YOLOv1的基础上提出了改进的YOLOv2，然后提出了一种检测与分类联合训练方法，使用这种联合训练方法在COCO检测数据集和ImageNet分类数据集上训练出了YOLO9000模型，其可...
2019-09-23 10:21:00
45
原创 YOLO——You Only Look Once论文详解
创新点YOLO将物体检测作为回归问题求解。基于一个单独的end-to-end网络，完成从原始图像的输入到物体位置和类别的输出。从网络设计上，YOLO与rcnn、fast rcnn及faster rcnn的区别如下：[1] YOLO训练和检测均是在一个单独网络中进行。YOLO没有显示地求取region proposal的过程。而rcnn/fast rcnn 采用分离的模块(独立于网络之外的s...
2019-09-20 15:47:00
44
AdvancesinIntelligentSystemsandComputing-1.zip
2019-11-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人