![](https://img-blog.csdnimg.cn/21a0155454fd4c59aed19b341308c052.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
MACHINE LEARNING
文章平均质量分 69
机器学习算法:
分类、聚类以及增强学习
·星辰大海
这个作者很懒,什么都没留下…
展开
-
Detectron2的入门学习
文章目录前言一、Detectron2的安装二、简单的运行案例1.利用已有的模型进行各种测试2.训练自己的模型总结前言 detectron2是Facebook的一个机器视觉相关的库,建立在Detectron和maskrcnn-benchmark基础之上,可以进行目标检测、语义分割、全景分割,以及人体体姿骨干的识别。这个项目在GitHub上已经有超过了20k的星星。一、Detectron2的安装 在Detectron2的官网上已经给出了Linux平台的安装方法。在这里介绍另外一个常用的平台即wi原创 2022-05-02 13:00:17 · 10340 阅读 · 7 评论 -
主成分分析(Principal Component Analysis,PCA)
PCA是最为常见的降维方法,在近些年神经网络兴盛之前,主成分分析在各大高校的热度十分高。在MDS算法那一篇中,我们提到MDS的核心思想就是保持原先样本的距离不变然后尝试减少样本维度,而在PCA中则是尝试寻找一组基底,一组比当前维度更低的基底来表示所有的样本,这样基底中无关的向量组个数就成为了数据降维后所使用的维度了。原创 2023-10-09 17:49:15 · 147 阅读 · 0 评论 -
多维缩放(MDS)算法
降维算法是机器学习里非常重要的一个板块。在k近邻学习中一个样本的类别由当前样本的周围一些样本决定,但是也是一个比较小的范围去确定它的类别,通常在二维空间只需要x2y2x2y2的欧式距离,而在三维空间中则需要x2y2z2x2y2z2。原创 2023-09-30 00:04:11 · 507 阅读 · 0 评论 -
显存受限的多端预测解决方案(YOLOV8)
分布式预测、内存共享、远程管理器、yolov8、预测任务原创 2023-08-23 15:55:15 · 589 阅读 · 0 评论 -
朴素贝叶斯分类器
朴素贝叶斯分类器的思想主要是最小化分类错误的概率。原创 2023-08-01 17:04:21 · 73 阅读 · 0 评论 -
决策树模型(decision tree)
决策树是奠定机器学习基础的一类算法,著名的算法有ID3、C4.5、CART。模型理解起来较为简单,跟我们日常做决定类似。例如,你想要去商场买衣服,首先确定预算,这会过滤掉一大部分情况,随后确定款式,这又会导致你的选择范围更加小更加精确,接着,确定颜色等等,最终完成购买;当然决策树更常用的地方在分类上,就如同西瓜书上的西瓜判断一般,根据西瓜的特征一步一步去确定当前西瓜是否是好瓜。原创 2023-07-29 10:41:13 · 357 阅读 · 0 评论 -
对数几率回归(Logistic Regression)算法
Logistic Regression是一个非常典型的分类算法,通常又被称作对率回归或者"逻辑回归"(西瓜书的作者周志华似乎不认可这个别称)。正好就是对率回归所需要追求的目标函数,假如当前样本属于1(正例),那么正好前半部分生效,如果当前样本属于0(负例),那么后半部分生效。,任何分类算法所遵循的目标或者需要前进的方向一定是希望预测的类别和真实的类别是同一类,这里对率回归也不例外,如果真实情况是1那么预测的情况也要尽可能是1。正好是上面左边的形式,如果是0则是右边的形式!,而对率回归是这样的。原创 2023-07-28 10:27:02 · 415 阅读 · 0 评论 -
深入理解BP神经网络的细节
神经网络之BP算法文章目录神经网络之BP算法前言一、BP算法的流程二、搭建神经网络总结前言 BP神经网络是Back Propagation的简写,它是最简单的前馈神经网络之一通常用于初学者对于深度学习的入门。何为深度学习呢?简单来说就是隐藏层超过两层的神经网络。本文将会采用最常用的优化方法以及最细致的过程来复现BP神经网络的搭建。一、BP算法的流程 首先简单介绍一下BP神经网络之前的典型模型MP模型。MP神经元是由两个人名组成命名的模型。最早以前的神经网络涉及n个输入以及两种计算原创 2022-01-18 20:57:51 · 1028 阅读 · 0 评论 -
K近邻算法KNN
K近邻算法(KNN,K-NearestNeighbor)是一种十分简单的分类方法,也是“懒惰学习”的代表。KNN没有训练阶段,或者说训练成本为0。KNN只需要将已知的样本拿过来与需要测试的样本做一个简单的比较就能将未分类的样本分类。KNN的算法流程也十分简单,大致的思路就是,计算待测点与已知点的距离,选取与待测点距离最近的k个已知点,统计这k个已知点的类别,哪个类别最多那么这个待测点的类别就属于这个类。代码的简单实现(以鸢尾花数据集为例):import numpy as npfr..原创 2021-03-13 19:19:07 · 135 阅读 · 0 评论 -
DBSCAN聚类
DBSCANDensity-Based Spatial Clustering of Applications with Noise一种基于密度,对噪声鲁棒的空间聚类算法。DBSCAN算法可以找到样本点的全部密集区域,并把这些密集区域当做一 个一个的聚类簇通常情形下,密度聚类算法从样本密度的角度来考察样本之间的可连接性, 并基于可连接样本不断扩展聚类簇以获得最终的聚类结果。DBSCAN算法基于一组“领域”参数(ε,MinPts)来刻画样本分布的紧密程度。ε:领域半径;MinPts:密度阈值.翻译 2021-03-13 19:41:25 · 274 阅读 · 0 评论 -
AGNES算法
层次凝聚算法——AGNESAGNES算法是一种基于层次凝聚的聚类算法,它的思想十分朴素。假设现在有一个待聚类的数据集,那么根据分而治之的思想我们可以首先将每一个样本点看成是一个类,然后根据一定的规则将这些比较“小”的类进行合并,进而达到最终想要的结果。那么这个合并的规则是什么?通常我们将样本点之间的距离看成相似度。在两个小类中,第一个类和第二个类中的点它们之间的距离有很多,如果第一个类有n个样本点,第二个类有m个样本点,那么不同的类点和点之间的距离就会有m*n个,到底如何定义这个规则呢? 一般而.原创 2021-03-13 19:32:00 · 3103 阅读 · 0 评论 -
AdaBoost
AdaBoostAdaBoost是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器,然后把这些分类器集合起来,构成一个更强的最终分类器。抛出问题:给定一些弱的分类器、一个训练集和一个测试集。要求利用训练集训练分类器,然后给测试集分类。我们该如何去做?解决的方案有如下:方案一:将每个分类器都试一下,挑出最好的那个。方案二:先用一个分类器分类随机部分训练集数据,再用其他训练器分类随机分部分训练集数据,得到的结果进行取平均值或者多数投票获取最终结果。方案三:先用一个分类器分类随机部分训.原创 2021-03-21 20:22:04 · 1212 阅读 · 0 评论 -
学习向量量化LVQ
学习向量量化“学习向量量化”(Learning Vector Quantization,简称LVQ)是一种利用监督信息辅助的聚类算法,像K-Meas算法一样也是通过调整一组类似于质心的点来进行聚类。算法描述假设给定样本D={(X1,Y1),(X2,Y2),…,(Xm,Ym)},X表示样本的属性,Y表示样本的类别标记。LVQ目的是学习一组n维原型向量{P1,P2,…Pq},当样本点距离这组原型向量的某个分向量距离最近时那么它的类别标记应当与这个原型分向量一致。原型向量的训练过程和K-Mean.原创 2021-03-13 19:23:34 · 1246 阅读 · 0 评论 -
支持向量机SVM序列最小优化算法SMO
支持向量机(Support Vector Machine)由V.N. Vapnik,A.Y. Chervonenkis,C. Cortes 等在1964年提出。序列最小优化算法(Sequential minimal optimization)是一种用于解决支持向量机训练过程中所产生优化问题的算法。由John C. Platt于1998年提出。支持向量机的推导在西瓜书,各大网站已经有详细的介绍。本文主要依据John C. Platt发表的文章《Sequential Minimal Optimizat..原创 2021-03-13 19:19:56 · 884 阅读 · 0 评论 -
FuzzyCMeans算法
FuzzyC-Means模糊c-均值聚类算法 fuzzy c-means algorithm(FCMA)或(FCM)。模糊c均值聚类算法,是当前模糊系统里表现比较好的算法之一 其特征与k-means相似,也是基于距离来判断分类。模糊c均值需要用户提供除数据之外至少一个参数,而这个参数与k-means中的k类似。模糊c-均值聚类算法意在求解一个最小化问题即:其中,uij为样本xj属于第i类的隶属度,故u是一个c×n的矩阵,xj就是第j个样本数据,ci为第i个聚类中心一共有c个,m则是一个大.转载 2021-03-13 19:29:19 · 3337 阅读 · 0 评论 -
KMeans聚类
k均值算法(k-means clustering algorithm)k均值算法是一种基于距离的聚类算法,需要人为事先规定数据分类的数目。这里的k指的就是数据将要分的类的数目。 k均值算法的步骤也比较简单基本可以概括为两个步骤,第一步,选择k个点作为初始质心。第二步,将其余的每个点都分配给最近的质心所属的类别,形成k个簇, 然后重新计算质心,直到质心不再发生明显的变化。 这里的质心初始生成可以是随机也可以指派,如果第一次选择的质心就比较能凸显出分类情况那么这个算法将会极快的收敛, 重新计算质心往往..原创 2021-03-13 19:31:29 · 168 阅读 · 0 评论