- 博客(26)
- 资源 (40)
- 问答 (3)
- 收藏
- 关注
原创 EM算法的理论和实现--(2)
文章目录4.最大期望算法4.1.EM算法5.EM算法的收敛性证明????6.硬币例子-EM算法7.代码7.1.代码17.2.sklearn7.3.EM其他例子7.3.1.代码17.3.2.代码24.最大期望算法EM算法是一种迭代算法,1977年由Dempter等人总结提出,用于含有隐变量(hidden variable)的概率模型参数的极大似然估计,或极大后验概率估计。EM算法的每次迭代两步组成:E步,求期望(expectation);M步,求极大(maximization)。所以这一算法称为期望-极大
2020-06-29 15:59:21 554
原创 几何、函数等的画图和注释
GeoGebra是一款动态几何软件。其绘图的基本元素包括点,直线,线段,多边形,向量,圆锥曲线和函数。(3.2及以后的版本还加入了电子表格和正在不断完善的数据处理功能)这些绘图元素均可在创建后直接在屏幕或者使用命令动态改变。 GeoGebra可以完成大量初高等数学中的绘图工作。比如GeoGebra可以直接绘制圆锥曲线,对函数求导数,积分,对多项式函数求极值和拐点等,这些极大的方便了教师们制作教学材料。官网:https://www.geogebra.org/?lang=zh-CN教程:...
2020-06-29 11:07:21 3303
原创 EM算法的例子--(1)
文章目录1.基础知识1.1.凸函数&凹函数1.基础知识1.1.凸函数&凹函数凸函数:凸函数是一个定义在某个向量空间的凸集C(区间)上的实值函数f,在其定义域C上的任意两点x、y,以及t∈[0,1]t \in [0,1]t∈[0,1],有如果对于任意的t∈[0,1]t \in [0,1]t∈[0,1]有则函数f是严格凸的。凹函数:在数学中,凹函数是凸函数的相反。凹函数是一个定义在某个向量空间的凹集C(区间)上的实值函数f,在其定义域C上的任意两点x、y,以及t∈[0,1]
2020-06-29 10:07:28 653
原创 决策树的实现--(2)
1.4.代码1.4.1.实现代码machine learning in actions有详细解释。from math import logimport operatorimport matplotlib.pyplot as pltfrom matplotlib.font_manager import FontPropertiesdef createDataSet_loan(): # 数据集 dataSet = [[0, 0, 0, 0, 'no'],
2020-06-24 14:49:49 309
原创 决策树decision tree--(1)
文章目录1.决策树1.1.原理1.2.ID3算法1.2.1.信息增益1.2.2.例子1.2.2.1.ID31.2.2.2.C4.5算法1.2.2.3.CART算法1.2.2.4.如何剪枝?1.3.优缺点1.3.1.ID31.3.2.C4.51.决策树1.1.原理决策树很多任务是为了数据中所蕴含的知识信息,因此决策树可以使用不熟悉的数据集合,并从中提取出一系列规则。邮件分类系统的例子:在构造决策树时,我们需要解决的第一个问题就是,当前数据集上哪个特征在划分数据分类时起决定性作用。为了找到决定性的特
2020-06-24 14:44:32 336
原创 3.Logistic回归模型的实现(3)
文章目录3.Logistic回归模型的实现3.1.损失函数的确定3.1.1.sigmoid函数3.5.代码3.5.1.实现的代码3.5.2.sklearn4.代码和数据5.参考3.Logistic回归模型的实现Logistic回归的预测函数(hypotheses)为:输入:m个训练样本,其中y∈{0,1}y \in \{0,1\}y∈{0,1}输出:回归系数θ\thetaθ。令:p=(y=1∣x;θ)=hθ(x)p=(y=1|x;\theta)=h_{\theta}(x)p=(y=1∣x;θ
2020-06-23 17:19:37 1106
原创 logistic回归--最大熵模型(2)
文章目录2.1.最大熵模型的定义2.2.最大熵模型的学习2.2.1.例子2.2.2.极大似然估计最大熵原理是概率模型学习的一个准则,最大熵原理认为,学习概率模型时,在所有可能的概率模型(分布)中,熵最大的模型是最好的模型。最大熵原理也可以表述为在满足约束条件的模型集合中选取熵最大的模型。假设随机变量X的概率分布是P(X),则其熵是H(P)=−∑xP(x)logP(x)H(P)=-\sum_xP(x)logP(x)H(P)=−∑xP(x)logP(x)熵的性质:0≤H(P)≤log∣X∣0\le
2020-06-23 11:35:30 286
原创 logistic回归--基本理论(1)
文章目录1.逻辑斯蒂回归1.1.逻辑斯蒂分布1.2.二项式逻辑斯蒂回归模型--二类别1.2.1.模型参数估计1.3.多项式逻辑斯蒂回归模型--多类别1.逻辑斯蒂回归1.1.逻辑斯蒂分布逻辑斯蒂分布(logistic distribution):设X是连续随机变量,X服从逻辑斯蒂分布是指X具有下列分布函数和密度函数:F(x)=P(X≤x)=11+e−(x−μ)/γF(x)=P(X \le x)=\frac{1}{1+e^{-(x-\mu)/ \gamma}}F(x)=P(X≤x)=1+e−(x−μ)/
2020-06-23 11:00:23 1268
原创 k-近邻算法(k-nearest neighbor)
文章目录1.原理2.距离计算3.算法过程4.K值得选择5.优缺点6.k近邻的实现:kd树7.代码7.1.原理的实现7.2.sklearn的实现8.代码和数据9.参考1.原理给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的k个实例,这k个实例的多数实例属于某个类别,就把这个输入实例分为这个类。算法:输入:训练数据T=(x(1),y(1)),(x(2),y(2)),...,(x(N),y(N))(x^{(1)},y^{(1)}),(x^{(2)},y^{(2)}),...,(x^{
2020-06-16 16:36:10 1021
原创 机器学习概述(2)--生成模型和判别模型的区别
文章目录1.引入1.1.判别式模型1.2.生成式模型2.生成模型与判别模型1.引入在监督学习下,模型可以分为判别式模型与生成式模型。先问个问题,根据经验,A批模型(神经网络模型、SVM、perceptron、LR、DT……)与B批模型(NB、LDA……),有啥区别不?(这个问题需要一些模型使用经验)应该是这样的:A批模型是这么工作的,他们直接将数据的Y(或者label),根据所提供的features,学习,最后画出了一个明显或者比较明显的边界(具体怎么做到的?通过复杂的函数映射,或者决策叠加等等
2020-06-15 17:36:19 423
原创 机器学习概述(1)
文章目录1.统计机器学习1.1.统计学习三要素1.1.1.模型的假设空间(模型)1.1.2.模型选择的准则(策略)1.1.2.1.损失函数和风险函数1.1.2.2.期望风险1.1.2.3.经验风险1.1.3.学习模型的算法(算法)1.2.模型评估与模型选择1.3.正则化与交叉验证1.4.泛化能力1.5.监督学习1.5.1.概念1.5.2.问题形式化1.5.3.分类问题1.5.4.标注问题1.5.5.回归问题1.统计机器学习统计学习(statistical learning)是关于计算机基于数据构建概率统
2020-06-15 17:24:57 534
原创 python中不同库读取图片的格式不同
文章目录1. 图片的长度和宽度的获取方式不同2. 图片的类型不同1. 图片的长度和宽度的获取方式不同cv2: <class ‘numpy.ndarray’>PIL.Image:<class ‘PIL.JpegImagePlugin.JpegImageFile’>skimage.io:<class ‘numpy.ndarray’># coding: utf-8from PIL import Imageimport cv2from skim
2020-06-12 13:50:36 420
原创 深度学习模型的理论的目录
ResNet(Residual Neural Network)的原理和tf实现https://blog.csdn.net/qq_27009517/article/details/105994797采用kerassurgeon对cnn网络进行剪枝https://blog.csdn.net/qq_27009517/article/details/105945360
2020-06-12 11:00:10 245
原创 python和c、c++的混合使用的目录
ubuntu中c、c++库的编译和调用GCC与gcc,g++区别https://blog.csdn.net/qq_27009517/article/details/103985153C++ main函数中参数argc和argv含义及用法https://blog.csdn.net/qq_27009517/article/details/103976625ubuntu16.04安装最好用的C/C++IDE–Code::Blockshttps://blog.csdn.net/qq_2700
2020-06-12 10:59:39 153
原创 python及相关库的学习目录
pythonpython2.x和python3.x的区别https://blog.csdn.net/qq_27009517/article/details/105806102numpynumpy中的矩阵,线性代数https://blog.csdn.net/qq_27009517/article/details/105811753python 加速运算https://blog.csdn.net/qq_27009517/article/details/103805099pytho
2020-06-12 10:59:14 103
原创 docker的学习目录
docker-ubuntu安装https://blog.csdn.net/qq_27009517/article/details/106015147Ubuntu Linux下修改docker镜像源https://blog.csdn.net/qq_27009517/article/details/106014431ubuntu下部署中文分词例子https://blog.csdn.net/qq_27009517/article/details/106015388...
2020-06-12 10:58:49 188
原创 opencv-图像处理的学习目录
opencv的安装opencv python Ubuntu Windows 的whl包下载https://blog.csdn.net/qq_27009517/article/details/103367099图片的读取方式python读取图片获得的不同的长和宽https://blog.csdn.net/qq_27009517/article/details/103381315从显示图像上实时获取像素值,确定窗口大小https://blog.csdn.net/qq_27009517/
2020-06-12 10:56:50 160
原创 OCR总结目录
数据OCR-文本检测和文本识别的数据https://blog.csdn.net/qq_27009517/article/details/106237370文本检测opencv中的MSER的使用和NMS后的矩形框https://blog.csdn.net/qq_27009517/article/details/106236781CTPN模型详解–Detecting Text in Natural Image with Connectionist Text Proposal Networ
2020-06-12 10:56:01 244
转载 隐马尔科夫模型(Hidden Markov Model,HMM)
介绍定义wiki上有定义:隐马尔可夫模型(Hidden Markov Model,HMM)是统计模型,它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析,例如模式识别。马可夫模型的概率这里用x表示状态, y表示观察值假设观察到的结果为 Y:Y=y(0),y(1),…,y(L-1)隐藏条件为X:X=x(0),x(1),…,x(L-1)长度为 L,则马可夫模型的概率可以表达为:详解
2020-06-03 14:21:37 586
原创 lanms-pybind的笔记
文章目录makefile的python路径生成方法来自EAST的lanms的代码makefile的python路径CXXFLAGS = -I include -std=c++11 -O3 $(shell /home/hlx2/anapy35/bin/python3-config --cflags)LDFLAGS = $(shell /home/hlx2/anapy35/bin/python3-config --ldflags)DEPS = lanms.h $(shell find includ
2020-06-01 17:29:40 660
转载 shell编程-文件查找
3.shell编程-文件查找之find命令3.1.语法格式find [路劲][选项][操作]选项参数对照表3.2.-name 查找/etc/目录下以.conf结尾的文件find /etc/ -name "*.conf"-iname 不区分大小写find /etc/ -iname "*.conf"-user 查找当前目录为root用户的文件find ./ -user root3.3.-type 文件的类型f 文件...
2020-06-01 16:15:56 1611
转载 gcc/g++参数详解
文章目录介绍参数详解介绍gcc and g++分别是gnu的c & c++编译器 gcc/g++在执行编译工作的时候,总共需要4步1.预处理,生成.i的文件[预处理器cpp]2.将预处理后的文件不转换成汇编语言,生成文件.s[编译器egcs]3.有汇编变为目标代码(机器代码)生成.o的文件[汇编器as]4.连接目标代码,生成可执行程序[链接器ld]参数详解-x language filename 设定文件所使用的语言,使后缀名无效,对以后的多个有效.也就是根据约定C语言的后缀名称是
2020-06-01 15:55:20 888
原创 Ubuntu下makefile的简单使用
使用makefile进行c语言的编译tool.h#ifndef __TOOL_H#define __TOOL_H void printInteger(int number); #endif // end of tool.htool.c#include "tool.h"#include "stdio.h" void printInteger(int number){ printf("the number is:%d\n",number);}main.c#in
2020-06-01 15:24:28 3278
原创 pybind11的使用2
http://people.duke.edu/~ccc14/cspy/18G_C++_Python_pybind11.html
2020-06-01 15:05:24 623
原创 ubuntu - pybind11的使用
1.安装首先安装pytestpip3 install pytest1.1.编译git clone https://github.com/pybind/pybind11.gitcd pybind11mkdir buildcd buildcmake …cmake的参数:cmake -DPYTHON_LIBRARY=/Users/zhangxin/anaconda3/envs/py36_pytorch041/lib/libpython3.6m.dylib -DPYTHON_INCLUDE_D
2020-06-01 11:55:29 4310 3
转载 关于make提示must been abled with the -std=c++11 or -std=gnu++11 compiler options
转:https://blog.csdn.net/zheng_weichao/article/details/78298928在make后,出现错误,提示如下:/usr/include/c++/4.8/bits/c++0x_warning.h:32:2: error: #error This file requires compiler and library support for the ISO C++ 2011 standard. This support is currently experime
2020-06-01 11:26:13 443
oracle 中文版和习题
2017-09-03
Data Mining - Concepts and Techniques (3rd Ed).pdf )
2016-09-26
关于文本检测的论文,概述
2020-05-11
Scene text detection and recognition_ recent advances and future trends.pdf
2020-05-11
Scene text detection and recognition with advances in deep learning.pdf
2020-05-11
A comparative anal.pdf
2019-08-14
A Survey on Transfer Learnin Sinno Jialin Pan and Qiang Yang pdf
2018-12-12
window.location.reload()的执行过程
2021-05-26
freemarker 写的 一个表格,表格增加数据后,只需要更新这个表格
2021-05-12
xrdp:window7连接Ubuntu16出现错误
2019-01-10
TA创建的收藏夹 TA关注的收藏夹
TA关注的人