![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习模型
文章平均质量分 64
1062
这个作者很懒,什么都没留下…
展开
-
逻辑回归模型参数在sklearn中的体现
sklearn中使用Logistic RegressionLR模型是机器学习入门必备模型之一,scikit-learn(简称 sklearn)作为机器学习领域最重要的库之一当然对这种基本模型已经支持的非常完整,不过对于初学者来说,模型的数学推导和成熟的代码库之间还是有着距离需要我们自己探索,本人在初次使用sklearn时,发现LR模型就两行代码搞定,虽然运行没有问题,但是LR数学模型里面的参数...原创 2018-08-26 21:43:47 · 3616 阅读 · 1 评论 -
斯坦福计算机视觉课程学习总结 -- 1.CV历史简介
自从Google的AlphaGo火遍网络之后,也把人工智能推到了大众眼前,作为一枚普通的攻城狮,随着工作年龄的增加,越来越感觉到技术壁垒对自己职业发展的重要性,没有什么门槛的编程技术+应届生几个月就搞懂的业务知识面前自己哪还有竞争力!另一方面,各行各业都有着自己的鄙视链,程序员也一样,搞业务的有几个自信比搞算法的有前途?这么一看还真得感谢AI在这个时候出现,既没有算法那么枯燥,又因为涉及高数、统计...原创 2018-09-01 19:34:59 · 926 阅读 · 0 评论 -
斯坦福计算机视觉课程学习总结 -- 2.Image Classification pipeline
课程2和3简介CS231n 视频课程2和3从图像分类要解决的原始问题及面对的困难为起点,引出第一个也是最直观的最近邻分类器(KNN),讲解KNN模型时,引入了模型的超参(hypeparameter)概念,进一步讨论如何选取超参时水到渠成的引出了数据集的切分和K折交叉验证法;接着在说明了KNN用于image classification中的缺陷后开始学习较为强大线性分类器(linear clas...原创 2018-09-05 23:55:47 · 738 阅读 · 0 评论 -
斯坦福计算机视觉课程学习总结 -- 3.线性分类器及损失函数
课程2和3简介CS231n 视频课程2和3从图像分类要解决的原始问题及面对的困难为起点,引出第一个也是最直观的最近邻分类器(KNN),讲解KNN模型时,引入了模型的超参(hypeparameter)概念,进一步讨论如何选取超参时水到渠成的引出了数据集的切分和K折交叉验证法;接着在说明了KNN用于image classification中的缺陷后开始学习较为强大线性分类器(linear clas...原创 2018-09-09 21:13:49 · 354 阅读 · 0 评论 -
再读PCA
初识PCA第一次在代码里面使用PCA算法还是在读大学时候,当时申请了一个人脸识别算法的实践项目,其实就是将别人论文中的算法进行实现,并且除算法外提供一个友好的界面显示算法结果,其中主要的算法就是对预处理的人脸图像数据提取主成分(主要的特征向量),然后比较两幅图像这些特征向量的距离,距离小于某个阈值就认为是同一张图像。就这么简单个算法,在当时的人脸图像库上也有80%+的正确率,难怪之前吴恩达机器...原创 2019-08-04 17:36:48 · 182 阅读 · 0 评论