qq_19281769的博客

PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。当然我并不打算把文章写成纯...

监督学习之正规方程组上一篇博客是介绍了梯度下降法，旨在每一次迭代都从下降梯度最大的方向进行，最终找到全局最大值！但是，这样的效率往往是不高的，无论是批量梯度下降法还是改进后的随机梯度下降法，在大样本的情况下都需要进行迭代。那么今天学习的正规方程组就希望用一个式子就将参数表示出来。 数学概念和定理的引入这里要得到正规方程组，需要一些高等数学和线性代数的知识，在此引入：（公式太难打...

机器学习在当今社会应用越来越广泛，如计算机视觉、机器人控制、无人机无人车技术等等，都离不开机器学习算法。而机器学习并不像学习一门语言那样简单，算法的实质是数学，有了数学的推导结果，运用什么样的语言那就因人因事而异了。要学好机器学习，要有一定的数学功底以及能潜下心来做一些数学上的研究，而不是打开电脑就敲代码，。当然，学习的最终目的是应用，我期待能将学习到的东西运用到生活中的点点滴滴！首先...

前阵子的考试、旅游让我有很长一阵子没来博客看看，现在寒假了，是时候写点、看点新的东西了！前面我主要围绕着基于OpenCV的机器学习算法在图像识别处理上的应用来展开学习的，当然这些个技术（如银行卡号识别）最终都是要运用到实际生活中的。我们就拿银行卡号识别来说，大家用的最多的微信实际上就有了这个功能。大家打开微信钱包，绑定银行卡的时候是否在输入框右侧看到一个照相机一样的按钮呢，那就是实现银行卡...

问题内容：路面箭头检测与识别（该部分主要介绍基于SVM的分类，也就是识别，检测问题暂不谈）问题背景：路面箭头识别在无人车中有着重要的作用：                  1.车道线等重要信息的检测，需要排除路面箭头的干扰；                  2.需要根据路面箭头的指示，完成下一步动作问题描述：为了简化这个问题，重点描述基于OpenCV的SVM路面箭头分类，我...

 一、提取方法的修正       上回说道，我们使用cvFindContours函数来找银行卡上的数字的外包矩形，从而从银行卡上将数字抠下来进行识别，但是，使用后会发现有如下两个问题：      （1）不好筛选        提供的图片大小不一样，那么数字的外包矩形框的大小也就不一样，如果简单地采用面积的办法进行筛选，那么这种方法的适应性是非常的差的。       （2）外...

在进行完预处理之后，我们可以开始用算法识别数字了。首先我们不做那么复杂的、一连串银行卡数字的识别，而是做一个数字的测试。 一、机器算法的引入-----K近邻算法K最近邻(k-Nearest Neighbour，KNN)分类算法是一个理论上比较成熟的算法，也是最简单的机器学习算法之一。顾名思义，k最近邻实际上就是取和待分类物最相似的k个模板，然后这k个模板中所占比例最高的类别就是最后...

 上回书说道，我们对银行卡进行了一系列的预处理后，得到了下面的结果：          银行卡下半部分严重影响到了检测的效果，所以在进行机器学习前，我们还需要做一点处理，把下半部分的噪声给消除掉。思路：首先，针对农行卡颜色的特点（目前暂时只讨论农行卡）上半部分颜色相对较浅，下半部分颜色较深，而银行卡号属深色，所以往往会出现上图所示的---下半部分大面积噪声，上半部分可能没有或者有细微的...

      受到微信钱包的启发，现在决心做一个类似的东东来玩一玩  --------------  银行卡号识别      凡事要循序渐进，本次我们先来探讨静态银行卡号的识别，识别的方法有很多，那么在识别之前往往还有很多预处理的工作要做，接下来我将一一介绍。          目标图片                   一、灰度图像         我们将图像导入后，往往是三通道的...

Scikit Learn: 在python中机器学习Warning警告：有些没能理解的句子，我以自己的理解意译。翻译自：Scikit Learn:Machine Learning in Python作者: Fabian Pedregosa, Gael Varoquaux先决条件Numpy, ScipyIPythonmatplotlibscikit-l...

问题：AUC是什么AUC能拿来干什么AUC如何求解（深入理解AUC）AUC是什么混淆矩阵(Confusion matrix)混淆矩阵是理解大多数评价指标的基础，毫无疑问也是理解AUC的基础。丰富的资料介绍着混淆矩阵的概念，这里用一个经典图来解释混淆矩阵是什么。  显然，混淆矩阵包含四部分的信息： 1. True negative(TN)，称为真阴率，表明实际是负...