机器学习
文章平均质量分 83
机器学习入门,主要使用sklearn来实现
龙晨天
我不做码农,就做一个代码的搬运工!
展开
-
pytorch编译错误: inverse: LAPACK library not found in compilation的解决办法
pytorch编译错误: inverse: LAPACK library not found in compilation的解决办法以及部分pytorch编译的注意事项原创 2022-10-17 17:28:10 · 2577 阅读 · 2 评论 -
基于ShuffleNetv2-YOLOv4模型的目标检测
1、引言(摘要)目标检测是机器视觉领域内最具挑战性的任务之一。近年来,深度学习理论及技术的快速发展,使得基于深度学习的目标检测算法取得了巨大进展,目标检测实时性、准确度得到了很大的提高。但是除了准确度外,计算复杂度也是目标检测要考虑的重要指标,过复杂的网络可能速度很慢。另外移动端设备也需要既准确又快的小模型。研究轻量化的网络模型是很有必要的,结合前人的成果、及现有的工程,我通过将轻量化网络ShuffleNetv2 代替YoloV4的CSPDarknet-53 作为主干网络,结合一定调参方法,在VOC2.原创 2022-01-16 14:46:57 · 6625 阅读 · 6 评论 -
PCA降维提取特征脸并进行聚类分析
PCA降维提取特征脸并进行聚类分析1. 题目给定的人脸图像数据集,计算相应的特征脸(eigenfaces),并探讨pca降维后特征个数与聚类性能的关系。2. 代码实现"""eigenface的python实现"""import cv2import osimport numpy as npimport matplotlib.pyplot as pltimport PIL.Image as Imagefrom sklearn.decomposition import PCAfrom原创 2020-08-20 20:31:22 · 3176 阅读 · 2 评论 -
多个分类器分类make_circles及其可视化
多个分类器分类make_circles及其可视化题目使用线性回归、逻辑回归、支持向量机、KNN、朴素贝叶斯对make_circles生成的数据进行分类,并输出分类精度。代码实现import numpy as npfrom sklearn.datasets import make_circlesimport matplotlib.pyplot as pltfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.naiv原创 2020-08-20 10:08:40 · 1895 阅读 · 0 评论 -
PCA与LDA降维前后分类精度比较
PCA与LDA降维前后分类精度比较1. 题目用sklearn.datasets 里的load_digits(手写数字1797张),先对数据集进行可视化,接着对比并可视化PCA、LDA的降维后用KNN进行分类的效果。2. 实验结果3. 代码实现from sklearn.datasets import load_digitsfrom sklearn.model_selection import train_test_splitimport matplotlib.pyplot as pltfr原创 2020-08-20 09:43:04 · 2015 阅读 · 1 评论 -
kmeans聚类图像的像素并可视化
kmeans聚类图像的像素并可视化1. 题目要求给定的图像,对其像素进行聚类并可视化。2. 代码实现from sklearn.cluster import KMeansimport matplotlib.pyplot as pltimport numpy as np# from sklearn.cluster.KMeans import evaluate_clusteringimport PIL.Image as imageimport osdef loadData(filePath):原创 2020-05-21 23:23:38 · 2722 阅读 · 2 评论 -
常见的机器学习中的Warning和Error
常见的机器学习中的Warning1. ConvergenceWarning:ConvergenceWarning: lbfgs failed to converge (status=1):STOP: TOTAL NO. of ITERATIONS REACHED LIMIT.Increase the number of iterations (max_iter) or scale the data as shown in:https://scikit-learn.org/stable/module原创 2020-05-14 15:28:59 · 9152 阅读 · 1 评论 -
4个分类器分类cifar_10_batches性能比较
4个分类器的分类性能比较1. 题目要求给定的图像数据集,利用KNN、朴素贝叶斯、线性回归、逻辑回归比较分类性能。主要的数据集cifar_10_batches(60000张图,(32,32),10类,5个训练集,一个测试集)要求:输出各个数据集的分类精度。2. 说明本次代码主要加上如何对上次代码KNN、朴素贝叶斯、线性回归、逻辑回归的分类性能比较进行优化完善,(pandas输出,消除了警告)整体框架不变,主要加入如何读取cifar_10_batches的读取,该方法来自chaixl_Hello_W原创 2020-05-14 14:16:30 · 2058 阅读 · 0 评论 -
KNN、朴素贝叶斯、线性回归、逻辑回归的分类性能比较
4个分类器的分类性能比较1. 题目要求给定的图像数据集,利用KNN、朴素贝叶斯、线性回归、逻辑回归比较分类性能。主要的数据集有17flower (1360张,17类)、Face images (10类、200张)、sklearn.datasets.load_digits(1797张手写图片)。要求:输出各个数据集的分类精度并输出分类精度比较的柱状图。2. 代码实现from sklearn.datasets import load_digitsfrom sklearn.model_selecti原创 2020-05-14 10:41:08 · 2723 阅读 · 0 评论 -
sklearn-kmeans 人脸图像聚类
人脸图像聚类题目对给定人脸图像数据集,可视化并输出聚类性能。2.代码(该代码由某位大佬完成,我仅仅搬运,帮助更多的人)from sklearn.cluster import KMeansimport matplotlib.pyplot as pltimport matplotlib.image as imgpltimport numpy as npfrom sklearn.me...原创 2020-04-22 21:47:07 · 3373 阅读 · 1 评论 -
knn分类iris数据
题目Sklearn中的datasets方法导入iris鸢尾花训练样本并用train_test_split产生测试样本,用KNN分类并输出分类精度。data = sklearn.datasets.iris.datalabel = sklearn.datasets.iris.target代码from sklearn import datasetsfrom sklearn.metri...原创 2020-04-22 20:54:18 · 490 阅读 · 0 评论 -
KNN分类make_circles生成数据
KNN分类make_circles生成数据题目要求:Sklearn中的make_circles方法生成训练样本,并随机生成测试样本,用KNN分类并可视化。代码示例:from sklearn.datasets import make_circlesfrom sklearn.neighbors import KNeighborsClassifierimport matplotlib.py...原创 2020-04-15 15:32:47 · 1522 阅读 · 0 评论 -
K-Means聚类make_moons数据
K-Means聚类make_moons数据题目要求: Sklearn中的make_moons方法生成数据,用K-Means聚类并可视化。输出三大指标如:ACC = 0.755, NMI = 0.1970, ARI = 0.2582。代码示例import matplotlib.pyplot as pltimport seaborn as sns;sns.set()from sklear...原创 2020-04-15 15:14:29 · 917 阅读 · 0 评论