机器学习
文章平均质量分 92
泠山
这个作者很懒,什么都没留下…
展开
-
拉格朗日乘子法
是一种寻找多元函数在一组约束下的极值的方法。通过引入拉格朗日乘子,可将有 ddd 个变量与 kkk 个约束条件的最优化问题转化为具有 d+kd + kd+k 个变量的无约束优化问题求解。假如有方程 x2y=3x^2y=3x2y=3,它的图像如下(左一)所示。现在我们想求其上点与原点的最短距离(中图)。这里介绍一种解题思路。首先,与原点距离为 aaa 的点全部在半径为 aaa 的圆上(右一):那么,我们逐渐扩大圆的半径(左一)。显然,第一次与 x2y=3x^2y=3x2y=3 相交的点就是距离原点最近的点(中原创 2022-08-03 17:29:21 · 7585 阅读 · 2 评论 -
NMS 非极大值抑制
NMS 非极大值抑制Reference:NMS——非极大值抑制非极大值抑制(nonMaximumSuppression)NMS(Non-maximum Suppression),即非极大值抑制,用以获取局部最大值,在很多计算机视觉任务中都有广泛应用,如:边缘检测、目标检测等。对于目标在图像中具体位置定位,不管是使用 滑动窗口(Sliding Window) 还是 选择性搜索(Slective Search) 方法,都会产生好多的候选区域。实际看到的情形就是好多区域的交叉重叠,难以满足实际的应用原创 2022-04-12 15:43:51 · 2872 阅读 · 0 评论 -
机器学习三:决策树
机器学习三:决策树1. 介绍2. 参数2.1. min_samples_split2.2. 不纯度和熵2.2.1 信息增益2.1.1.1 信息增益计算3. Bias-Variance Dilemma4. 总结5. SK Learn1. 介绍决策树是机器学习中最早也是最常使用的算法之一,它已经有几十年历史,稳定性非常好。它和支持向量机类似,也可以在这里使用核技巧,将线性决策面转换为非线性。决策树可以通过核技巧把简单的线性决策面转换为非线性的决策面。举个例子,有个叫 Tom 的朋友,他非常喜欢冲浪,而冲原创 2022-03-23 14:27:10 · 4665 阅读 · 1 评论 -
机器学习二:支持向量机(SVM)
支持向量机SVM 是支持向量机(Support Vector Machine)的简称。简单来说 支持向量机所做的就是去寻找两类数据之间的分隔线,或者通常称为超平面(hyperplane)。所以,假设我们有两类数据,支持向量机是一种算法,把这些点作为输入数据。如果可能的话,输出一条线,来将这些数据分类。...............原创 2022-03-22 11:23:04 · 4480 阅读 · 1 评论 -
贝叶斯法则
贝叶斯法则1. 贝叶斯定理1.1贝叶斯定理有什么用1.2 公式1.2.1 先验概率1.2.2 可能性函数1.2.3 后验概率2. 示例2.1 方法一2.2 方法二Reference:怎样用非数学语言讲解贝叶斯定理(Bayes’s theorem)?1. 贝叶斯定理1.1贝叶斯定理有什么用贝叶斯为了解决一个逆概率问题,而提出了贝叶斯定理。与之相对的正向概率的意思是:假设有一个抽奖活动,抽奖桶里有10个球,其中2个白球,8个黑球,抽到白球算中奖,那么随便摸出一个球,摸出中奖球的概率为:2/(2+原创 2021-06-02 11:40:22 · 1826 阅读 · 0 评论 -
机器学习一:朴素贝叶斯(Naive Bayes)
朴素贝叶斯 Naive BayesIntroduction1. Gaussian Naive Bayes2. Multinomial Naive Bayes3. Complement Naive BayesReference:Naive Bayes相关文章:贝叶斯法则Introduction朴素贝叶斯方法是一组基于贝叶斯定理的有监督学习算法,该算法的"幼稚"假设是给定类变量值的每一对特征之间的条件独立性。通过贝叶斯定理,给出 类变量 yyy 与 相关特征向量 x1x_1x1 到 xnx_nx原创 2022-03-18 19:00:46 · 1581 阅读 · 0 评论