机器学习
文章平均质量分 93
liuzheng081
这个作者很懒,什么都没留下…
展开
-
FasterRCNN学习备注
本篇文章是对FasterRCNN学习过程的一个备注,只是说明自己的一些理解,对于之前不清楚的地方进行备注说明。也有学习过其他的文章,有的写的也是很好的https://www.cnblogs.com/guoyaohua/p/9488119.html?utm_source=debugrun&utm_medium=referral还有一篇英文的,这个说的很明白了。也可以详细看一下:h...原创 2020-04-24 17:49:33 · 481 阅读 · 0 评论 -
机器学习之数据与特征工程
学习过程中梳理一些知识点,在机器学习中,对原始数据的处理和特征提取,是最为重要的,处理好原始数据,哪怕后面使用简单的算法都可以得到比较好的准确率。 这是大神们的理解 说白了,所谓的特征工程,听起来很高大上,其实就是从数据中抽取出来的对预测结构有用的信息,使得其能在机器学习算法上发挥更好的作用。 大部分算法精进和数据分析所做的工作都是: a)跑数据, 各...原创 2018-06-22 14:23:40 · 1534 阅读 · 0 评论 -
机器学习之回归算法
回归算法是机器学习中最常见也是使用最广的一个算法,回归算法主要有线性回归和逻辑回归2种。下面我将分别介绍线性回归和逻辑回归。1线性回归 线性回归是有监督学习的一种算法,科学的介绍这里就不做说明了。通俗的说,就是根据数据集中的特征(X),找到一个合适的线或是面。。来拟合我们的数据集标签(Y)。 假设我们有一个简单的数据集,里面每个样本都有2个特征,我们根据线性回归算法,找到一个平面来拟合...原创 2018-06-29 16:52:16 · 25866 阅读 · 11 评论 -
机器学习之决策树
决策树概述所谓的决策树就是从跟节点开始一步步走到叶子节点,所有的数据最终都会落到叶子节点上。决策树既可以做分类也可以做回归。决策数有两大优点:1)决策树模型可以读性好,具有描述性,有助于人工分析;2)效率高,决策树只需要一次构建,反复使用,每一次预测的最大计算次数不超过决策树的深度。如何切分特征(选择节点)我们的目标应该是根节点就像一个老大似的能更好的切分数据(分类的效果更好),...原创 2018-07-17 16:33:23 · 614 阅读 · 1 评论 -
机器学习之贝叶斯算法
首先,贝叶斯公式 这个公式是由联合概率公式推导出来的:P(A,B)=P(A|B)P(B)=P(B|A)P(A)P(A)叫做先验概率,P(A|B)叫做后验概率,P(A,B)叫做联合概率如果在机器学的视角下,我们把A理解成“类别标签”,把B理解成“具有某种特征”。这样贝叶斯公司可以理解为而应用这个算法最常见的场景就是针对垃圾...原创 2018-07-24 14:41:35 · 26270 阅读 · 3 评论 -
机器学习之集成算法
机器学习的集成算法是指的多个单一算法集成在一起,使得机器学习的效果更好。集成算法包含Bagging-----bootstrap aggregation ①从样本集中重采样(有重复的)选出n个样本 ②在所有属性上,对这n个样本建立分类器(ID3、 C4.5、 CART、 SVM、 Logistic回归等) ...原创 2018-07-19 09:38:09 · 1286 阅读 · 0 评论 -
机器学习之支持向量机
机器学习中另一种重要的算法是支持向量机,简称SVM。下面我们就这个算法进行介绍。首先支持向量机的整体思路是: 简单情况,线性可分,把问题转化为一个凸优化问题,可以用拉格朗日乘子法简化,然后用既有的算法解决 复杂情况,线性不可分,用映射函数将样本投射到高维空间,使其变成线性可分的情形。利用核函数来减少高维度计算量这个思路的具体实现是什么呢,首先考虑样本集线性可分情况简单情况...原创 2018-07-27 14:41:30 · 750 阅读 · 0 评论 -
小波变换详解
小波变换详解1,简介We can use the Fourier Transform to transform a signal from its time-domain to its frequency domain. The peaks in the frequency spectrum indicate the most occurring frequencies in the s...翻译 2019-07-15 11:49:47 · 41185 阅读 · 10 评论