机器学习
小__Q
宁静致远,淡泊明志
展开
-
机器学习模型分类的学习理解
机器学习中分为有监督模型和无监督模型两种分类。 有监督模型 有监督模型的学习结构是 输入数据(x,y) 其中x为输入数据,y为数据的标签 其目标goal 为学习生成一个函数是x能够映射到y 有监督学习的例子很多比如 分类问题 回归问题 目标检测 语义分割(semantic segmentating) 图像标注(image caption)等等 无监督模型 有监督...原创 2018-08-29 10:02:32 · 281 阅读 · 0 评论 -
无监督学习下的生成式模型
generative models  Given training data,generate new samples from same distribuyion 首先Training data-P(x)—》want to learn-model-P(x)similar to data-p(x) 在给定数据的情况下,从相同的数据分布中生成新的样本 首先我们有一些训练数据(...原创 2018-08-29 11:53:37 · 523 阅读 · 0 评论 -
K-means学习理解
最近在学习K-means算法,在GitHub上找了一个源代码自己敲看看。 引用别人的话来解释K-means的思想: K-means是一种将输入数据划分成k个簇的聚类算法。K-means反复提炼 初始评估的类的中心,步骤如下: - 以随机或猜想的方式初始化类中心Ui:i= 1....K - 将所有的数据点归并到离它距离最近的类中心所属的类ci - 对所有属于该类的数据点求平均,将平均值...原创 2018-09-05 20:13:06 · 209 阅读 · 0 评论 -
K-NN学习与理解
K邻近分类法(KNN) 在分类方法中,最简单且用的最多的一种方法之一就是KNN 把要分类的对象(例如一个特征向量)与训练集中已知类标记的所有对象进行对比 由k个邻近对指派到哪个类进行投票 弊端如下 需要预先设定K值,K值得选择会影响分类的性能. 需要将整个训练集存储起来,如果训练集很大,搜索起来就很慢。 由此分析,我们需要一个函数计算一个向量到所有的样本集的距离,还需要一个由得到的距离...原创 2018-09-06 11:36:15 · 318 阅读 · 0 评论 -
Shape must be rank 1 but is rank 0 for 'bn_conv1_4/Reshape_4' (op: 'Reshape') with
以下是github上的答案,亲测有效 ,不用将keras的版本降低 please change tensorflow_backend in keras by yourself as suggested by @see– In keras version - 2.2.4 -> backend --> tesnorflow_backend.py : change “()” to “[ ]”...原创 2019-08-08 11:41:59 · 619 阅读 · 0 评论