- 博客(3)
- 收藏
- 关注
原创 机器学习:KNN的简单实现
KNN就是计算测试集与样本之间的最近的距离。 KNN是通过测量不同特征值之间的距离进行分类。它的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别,其中K通常是不大于20的整数。KNN算法中,所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 简单代码实现:...
2018-11-29 16:05:58 2076
原创 Rethinking ImageNet Pre-training 重新审视Imagenet预训练
Rethinking ImageNet Pre-training 2018年ECCV 论文地址:https://arxiv.org/pdf/1811.08883.pdf 本论文是何凯明大神的一篇论文,主要是讨论了Imagenet预训练和随机初始化参数之间的区别。 论文摘要: 作者在COCO数据集上进行实例分割和检测测试,发现预训练+微调的效果和随机初始化的效果接近。并且随机初始化的网络...
2018-11-27 12:28:28 3267
原创 KNN,K近邻来做图像分类
KNN来做图像分类:如下图所示,用CIFAR-10图片作为训练样本,50000张图片作为训练集,10000图片作为测试集。 KNN分类就是将测试集的像素值-训练集的像素值然后将像素值相加就得到我们的距离,距离最小的就是我们最后的分类结果。 有时候只找到距离最近的一张图片会出现误差比较大,所以我们一般找5张距离最近的图片,选区这5张图片中类别最多的种类作为我们最终的分类结果。 下图是L1距离,...
2018-11-07 15:59:13 2861 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