《模式识别与智能计算》
《模式识别与智能计算》-python实现
元气算法
关注公众号:元气算法 获取全部资料
展开
-
《模式识别与智能计算》感知机模型
感知机模型按照统计学三要素来写的话:模型:符号函数策略:损失函数;误点到超平面的距离之和算法:利用梯度下降算法进行求解感知机原理:感知机模型用来线性判别数据集,什么意思呢就是用一超平面来隔断两个不同的类别,超平面在二维的数据集中就是一条直线,在三维的数据集中就是一个平面,假设有n维的数据,那么划分的超平面为(n-1)维度。如下图二维和三维的情况,蓝色部分为超平面:如何来找这个超平面...原创 2020-01-14 07:43:01 · 530 阅读 · 0 评论 -
《模式识别与智能计算》基于二值数据的贝叶斯分类实现
算法流程将数据二值化计算每类数字的先验概率计算条件概率计算后验概率(具体计算过程请见书上77页)算法实现贝叶斯算法def bayeserzhi(x_train,y_train,sample): """ :function 基于二值数据的贝叶斯分类器 :param x_train: 训练集 M*N M为样本个数 N为特征个数 :param y_t...原创 2020-01-13 18:21:10 · 671 阅读 · 0 评论 -
《模式识别与智能计算》二值化的夹角余弦距离法分类
算法流程将样本库中的每个样本进行二值化,阈值为(最大值-最小值)/2利用夹角余弦距离法对待测样品进行分类算法实现def erzhianglecos(x_train,y_train,sample): """ :function 按照二值夹角余弦距离法计算待测样品与样品库中的相似度 :param x_train: 训练集 M*N M为样本个数 N为特征个数 ...原创 2020-01-13 14:40:02 · 446 阅读 · 0 评论 -
《模式识别与智能计算》夹角余弦距离分类
算法流程计算待测样品与训练集里每个样品x的角度距离角度距离最小的就是所属的样品类别算法实现计算夹角余弦def anglecos(x_train,y_train,sample): """ :function 按照夹角余弦距离法计算待测样品与样品库中的相似度 :param x_train: 训练集 M*N M为样本个数 N为特征个数 :param y_t...原创 2020-01-13 14:31:33 · 417 阅读 · 0 评论 -
《模式识别与智能计算》基于类中心的欧式距离分类法
算法流程选取某一类样本X计算样本类中心采用欧式距离测度计算待测样品到类中心的距离距离最小的就是待测样品的类别算法实现计算距离def euclid(x_train,y_train,sample): """ :function: 基于类中心的模板匹配法 :param x_train:训练集 M*N M为样本个数 N为特征个数 :param y_tra...原创 2020-01-13 11:24:45 · 1342 阅读 · 0 评论 -
《模式识别与智能计算》基于PCA的模板匹配法
算法流程:选取各类全体样本组成矩阵X,待测样品计算协方差矩阵S根据S的特征值选取适合的矩阵C使用矩阵C降维采用模板匹配开始多类别分类算法实现PCA降维算法def pca(x,k=0,percent = 0.9): """ :function: 主成分分析法 :param X: 数据X m*n维 n表示特征个数,m表示数据个数 :param K...原创 2020-01-13 11:14:15 · 375 阅读 · 0 评论 -
《模式识别与智能计算》基于类中心的欧式距离法分类
基于类中心的欧式距离法分类算法过程:1 选取某一样本2 计算类中心3 计算样本与每一类的类中心距离,这里采用欧式距离4 循环计算待测样品和训练集中各类中心距离找出距离待测样品最近的类别函数代码import numpy as npimport randomdef train_test_split(x,y,ratio = 3): """ :function: 对数据集...原创 2020-01-11 08:04:10 · 1007 阅读 · 0 评论 -
《模式识别与智能计算》模板匹配法
模板匹配法模板匹配法说白就是特征一一对应,将数据每个特征相差加起来,然后总的特征值最小的就是相似度最大的关于这里的数据集用的不是书上配套的,具体请看本专栏第一篇内容neartemplet方法实现import numpy as npimport randomdef train_test_split(x,y,ratio = 3): """ :function: 对数据集划分...原创 2020-01-10 23:33:47 · 408 阅读 · 0 评论 -
《模式识别与智能计算》主成分分析法(PCA)
主成分分析PCA算法介绍在《模式识别与智能计算》33页,亲自行查看哈,讲的还是很不错的PCA算法过程:输入:训练样本集 D=x(1),x(2),…,x(m) ,低维空间维数 d′ ; 过程:. 1:对所有样本进行中心化(去均值操作): x(i)j←x(i)j−1m∑mi=1x(i)j ; 2:计算样本的协方差矩阵 XXT ; 3:对协方差矩阵 XXT 做特征值分解 ; 4...原创 2020-01-10 23:22:19 · 620 阅读 · 0 评论 -
《模式识别与智能计算》的数据集
关于这本书的数据集问题这本书我老师说很好,让我买来看看,结果一学期过去了,emmmm,不是我的问题,是这本书没有数据,没有源代码(强行甩锅),咳咳,跑远了,这本书的数据集我我到网上看到了,它的数据集格式是这样的allsamples有两个字段,一个为num,一个feature,然后feature是一个25*5维的数据,25表示特征个数,5表示该类字体的个数。由于考虑到可能大多数买了书没有数据集...原创 2020-01-10 23:10:33 · 393 阅读 · 0 评论