![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 78
刘同敏
这个作者很懒,什么都没留下…
展开
-
机器学习--基于FaceNet的人脸识别实战3.0
原先2.0版本的构造人脸库对应特征文件的功能,3.0版本移到了左上方,更名为“初始人脸库特征”。因为在3.0版本中,我们在人脸库中放了1242张图片,生成相应特征会比较耗时,不会低于10分钟。如果实验时,我们想把自己的照片或其他的一些人物照片加入人脸库并把特征追加到特征文件中,看看效果好不好。我们这时候使用右上角的“单脸入库并算特征”功能即可。相对2.0的版本,本版本主要新增了两项功能:单图像新增到人脸库,从人脸库中找出最像的三幅人脸。原创 2023-07-10 23:08:09 · 146 阅读 · 1 评论 -
机器学习--基于FaceNet的人脸识别实战1.0
第五步,使用calculate_distance方法,计算出库中所有人脸的特征与测试人脸的特征之间的距离。第三步,将矫正后的测试图片facenet_model实例(通过load_weights方法加载类人脸特征提取模型参数),提取出测试图片的特征。当我们单击“人脸识别”按钮后,我们将把左侧的图片拿过来,使用Face_Rec类的recognize方法进行人脸特征比对。第二步,确定有人脸的基础上,对测试的图片进行预处理,比如裁剪出图片中的人脸部分,比如脸倾斜了要矫正对齐。1.判定是否是人脸的模型。原创 2023-07-09 22:21:44 · 209 阅读 · 1 评论 -
机器学习--智能推荐算法(关联规则Apriori算法)原理
关联规则经常用于智能推荐。像平时大家购物的过程中,我们买了手机,根据关联关系,购物平台就会推荐耳机,手机保护套等配件给我们。类似还有,通过社交平台外卖平台知道你的很多朋友都爱吃辣的,那么根据你和朋友的关联关系,外卖就会推荐一些辣的菜品给你。为了更好的理解关联规则。我们下面通过一个简单购物案例来讲解几个概念。现在有10个顾客到超市买了西红柿,鸡蛋,袜子,苹果,排骨这五种商品,如下表:表1-1通过表1-1我们现在希望得到一些关联规则,比如顾客买了西红柿的情况下,会不会大概率买苹果呢?原创 2023-06-25 22:26:05 · 1841 阅读 · 1 评论 -
机器学习--朴素贝叶斯原理
在讲解朴素贝叶斯前,我们先来考虑解决一个问题。一、背景我们观察下面这张表,我们希望从表中找出规律。找出什么规律呢?期末考试球赛直播心情行动没有有不好看球赛明天无不好学习没有/有不好看球赛没有有良好看球赛没有无不好约会没有有良好看球赛临近无良好学习临近无不好出门运动明天无良好学习没有有良好学习表1-1我们表1-1红色字体部分,在没有期末考试,有球赛和心情良好的3条记录中,有1条是学习,2条是看球赛。原创 2023-06-24 15:44:50 · 94 阅读 · 1 评论 -
机器学习--决策树(ID3,C4.5,CART)的原理
ID3,C4.5和CART三种决策树。树结构是计算机领域中常见的一种数据结构,他由1个根节点,若干个中间节点和若干个叶子节点构成。如图所示,1是根节点(根节点明显特征是没有任何的输入),2和3是中间节点(中间节点明显特征是有输入且有输出),4和5及6是叶子节点(叶子节点明显特征是没有任何的输入).原创 2023-06-22 12:06:34 · 1489 阅读 · 0 评论 -
机器学习--基于主成分分析(PCA)的各地区综合排名
综合排名值=y1+y2+y3 吗?(下面为了表达方便,我们把工资性收入,经营净收入,财产净收入和转移净收入简称为x1,x2,x3,x4)我们就把x1,x2,x3,x4用一些不存在线性相关的因素(比如:y1,y2,y3,y4)来表达他们,但一定要保持前后的特征不变。那么我们就可以考虑在保持方差不变,或者变化很小的情况下用y1,y2,y3,y4来表达x1,x2,x3,x4比如。如果项目需求只要求能保留95%特征就行,那么我们只要用y1,y2,y3来代替原来的x1,x2,x3,x4就可以了。原创 2023-06-03 16:51:32 · 1096 阅读 · 1 评论