机器学习
文章平均质量分 62
littlebamboo小竹子
这个作者很懒,什么都没留下…
展开
-
精读:Semantic Video CNNs through Representation Warping
Semantic Video CNNs through Representation Warping(ICCV 2017)这篇文章提出了一个叫做Netwarp的结构,它的主要作用是利用光流把前一帧的特征搬移到当前帧,进而起到一定程度上特征增强的作用,其中光流定义为两张图像之间对应像素移动的向量,这个结构可以插入到video 的帧与帧之间。模块的具体操作如图4所示,模型的输入是两张连续的帧,(t-1)代表前一帧,t代表当前帧,第一步是计算两帧之间的光流F(t),这里的光流计算是采用offline的形式,原创 2021-10-31 19:25:29 · 2528 阅读 · 0 评论 -
答疑:深度学习中online training 和offline training是什么?
online training 和offline training也不是第一次听说了,但是不太明白是什么意思,在这里整理一下。离线学习,通常是用来训练大的或者复杂的模型,因为训练的过程往往比较耗时,处理数据量大,无法在线完成。而在线学习往往是对即时性要求比较高的场景,但往往是处理简单的模型或者数据量较少的模型。在线学习和离线学习经常是结合使用,比如离线训练一个复杂的模型,在线进行微调;还有就是离线训练好模型,在线利用训练好的模型做预测或者判别。在线学习(online learning)中, 数据可能是原创 2021-10-31 17:42:40 · 5885 阅读 · 0 评论 -
遇见错误:ValueError: Classification metrics can‘t handle a mix of binary and continuous targets
今天在做机器学习实验的时候疯狂报错,修复了一个又一个的bug。这个错误也是比较典型的一个,于是就记录下来。这是一个决策树的预剪枝问题,当我想要用accuracy_score等sklearn自带函数进行评估时,出现了报错ValueError: Classification metrics can’t handle a mix of binary and continuous targets。在检查了predict和label的维数等之后,发现并不是维数的问题。最终解决这个问题是发现predict和lab原创 2021-10-28 20:09:32 · 13199 阅读 · 4 评论 -
【机器学习】决策树
实现信息增益、信息增益率、基尼指数三种划分标准使用给定的训练集完成三种决策树的训练过程计算三种决策树在最大深度为10时在训练集和测试集上的精度,查准率,查全率,F1值原创 2021-10-21 23:29:51 · 491 阅读 · 0 评论 -
【机器学习】one-hot编码
one-hot编码的思想就是将离散特征变成向量假设特征 ???? 有三种取值 {????,????,????} ,这三种取值等价,如果我们使用1,2,3三个数字表示这三种取值,那么在计算时就会产生偏差,有一些涉及距离度量的算法会认为,2和1离得近,3和1离得远,但这三个值应该是等价的,这种表示方法会造成模型在判断上出现偏差。解决方案就是使用一个三维向量表示他们,用 [1,0,0] 表示a, [0,1,0] 表示b, [0,0,1] 表示c,这样三个向量之间的距离就都是相等的了,任意两个向量在欧式空间的距原创 2021-10-21 22:29:17 · 1124 阅读 · 0 评论