机器学习
传统的机器学习方法
。七十二。
这个作者很懒,什么都没留下…
展开
-
git 入门
git操作原创 2022-07-17 20:47:49 · 321 阅读 · 0 评论 -
召回率低的原因
1、样本标注时多数正样本被错误的标注为负样本,这样模型学到正例的能力变弱,这样正样本预测为负样本的同时,负样本的精度也会减少。方法一:对错误的标注样本进行修正,观察结果,看是否有改变。2、一般情况下,正负样本比列小于1:100(看到有的人说1:1000一下,数值还不太确定)都不算不平衡。3、方法三:增加数据量,认为可能是数据量不够,学不上来,效果不够;特征找的不够,则会那个负样本区分力度不大,网络太浅,学不到特征。...原创 2021-11-15 09:43:52 · 14157 阅读 · 0 评论 -
机器视觉中的镜头
1、机器视觉 --> 人眼 相机的图像传感器 --> 人眼视网膜 镜头 --> 眼睛的晶状体,对外部光线进行汇聚和转换。2、镜头介绍及相关指标 机器视觉成像系统使用的镜头通常是由凸透镜和凹透镜结合设计而成。凸透镜对光线有汇聚作用,凹透镜对光线进行发散。2.1镜头分辨率:表示空间极限分辨能力,常用拍摄正弦光栅(任何非周期信号都可以看做是周期性信号叠加,周期信号又可以分为正弦信号的叠加)的方法来测试。线对:一对相邻的黑线和白线称...原创 2021-11-11 21:31:27 · 3980 阅读 · 0 评论 -
机器视觉系统分析
1、成像子系统相关概念 常见成像子系统的种类:CCD相机、CMOS相机、显微镜形式的相机。(X射线、红外成像仪、热成像仪。) 是将现实世界的物理量进行某种转换。2、常见的CCD相机介绍:镜头:负责对外部光线进行调制或变换,确保观测目标可以成像到图像传感器的芯片上。图像传感器:(核心光电转换)负责对光线进行光电转换、并在各种辅助设备的配合下对电信号进行加工,以各种标准输出含有图像信息的电信号供计算机进行处理。3、图像圆点与白色点的对角线为灰度图,灰度...原创 2021-11-11 21:13:33 · 3585 阅读 · 0 评论 -
数据操作--李沐
1、机器学习(深度学习)中常用的数据:N维数组。 0-d(标量)1.0,类别 1-d(向量)一个特征向量[1.0, 2.7, 3.4] 2-d(矩阵)多个样本的多个特征矩阵 3-d:RGB图像。 4-d:神经网络中n个三维数组放在一起。 5-d:视频的批量,多个时间维度。2、创建数组:数组形状、每个元素的数据类型、每个元素的值。每三个访问一次,每两个访问一次。3、代码...原创 2021-08-13 21:02:38 · 94 阅读 · 0 评论 -
机器学习指标
机器学习判别指标:TP:(真正例)判断为正,实际也是正例,判断结果正确。TN:(真负例)判断为负,实际也是负例,判断结果正确。FP:(负正例)判断为正,实际是负例,判断结果错误。FN:(假负例)判断为负,实际是正例,判断结果错误。1、正确率(accuracy) 判断正确的样例在所有样本中的占比。2、错误率(error rate) 判断错误的样例在所有样本中的占比。3、精度(precision)模型判断为正例的样本中,判断正确的个数占比。4、召回率(recall):在所有的正例中,判断正确的样原创 2021-07-09 20:06:23 · 161 阅读 · 0 评论