- 博客(13)
- 收藏
- 关注
RSS订阅原创 家·谱——人脸识别家谱系统
家·谱——智能家谱录入查询是一款基于人脸识别与图像标签的在线家谱查询录入系统，提供从人脸录入、识别到家谱构建展示的一站式服务。使用django+python+paddlehub+BaiduAPI。
2022-08-06 16:16:38
1273
1
原创 task05 PyTorch可视化
使用torchinfo工具包，学习网络结构可视化的方案输出：2. 可视化CNN卷积核确定并寻找卷积层，并可视化卷积层中的卷积核这里用到了PyTorch中的hook接口,相当于数据进行前向传播过程中的特征图会被hook捕捉，前向传播之后可以另行查看tip:除了这里使用的自定义hook之外,还可以使用PyTorch自带的nn.Module.register_ forward_hook0等方式,可以自行查阅官方文档学习~如果要研究分类模型某一层对于输出某一类的“激活效果”，往往使用CAM的
2022-06-25 00:13:51
326
原创 吃瓜教程task05 第6章 支持向量机
第6章 支持向量机6.1 间隔与支持向量p8 支持向量机超平面几何间隔支持向量机6.2 对偶问题凸优化问题/拉格朗日对偶解算支持向量机6.4 软间隔与正则化p9 软间隔与支持向量回归p9.1 软间隔6.5支持向量回归p9.1 支持向量回归
2022-06-02 17:44:38
116
原创 吃瓜教程task04 第5章 神经网络
第5章 神经网络2022/5/28 雾切凉宫 至5.3节/视频P7文章目录第5章 神经网络5.1 神经元模型p7 神经网络p7.1 M-P神经元5.2 感知机与多层网络p7.2 感知机感知机模型感知机学习策略感知机学习算法p7.3 神经网络多层前馈网络误差逆传播算法（BP）误差逆传播算法（BP）5.1 神经元模型p7 神经网络p7.1 M-P神经元M-P神经元：接收n个输入(通常是来自其他神经元)，并给各个输入赋予权重计算加权和，然后和自身特有的阈值θ进行比较(作减法)，最后经过激活函数f(模拟
2022-05-28 22:00:35
119
原创 吃瓜教程task03 第4章 决策树
第四章 决策树2022/5/26 雾切凉宫 至4.2节/视频P6文章目录第四章 决策树4.1 基本流程p6 决策树p6.1 算法原理4.2划分选择p6.2 ID3决策树自信息信息熵(自信息的期望)纯度条件熵信息增益ID3决策树p6.3 C4.5决策树增益率p6.4 CART决策树基尼值基尼指数CART决策树4.1 基本流程p6 决策树p6.1 算法原理从逻辑角度，-堆if else语句的组合从几何角度，根据某种准则划分特征空间最终目的:将样本越分越“纯”4.2划分选择p6.2 ID3决策
2022-05-26 23:16:53
110
原创 吃瓜教程task02 第3章 线性模型
第三章 线性模型2022/5/16 雾切凉宫 至3.2节/视频P3文章目录第三章 线性模型3.1 基本形式3.2 线性回归P2 一元线性回归P2.1 最小二乘法P2.2 极大似然估计误差ε极大似然估计解法P2.3 求解w和bP2.4 机器学习三要素P3 多元线性回归P3.1 由最小二乘法导出w3.1 基本形式线性模型(linear model)试图学得一个通过属性的线性组合来进行预测的函数，即f(x)=w1x1+w2x2+……+wdxd+bf(x)=w_1x_1+w_2x_2+……+w_dx_d
2022-05-16 21:06:36
254
原创 吃瓜教程task01 第2章 模型评估与选择
第二章 模型评估与选择2022/5/15 雾切凉宫 至2.3.3节2.1 经验误差与过拟合中文名英文名意义训练误差/经验误差training error/empirical error学习器在训练集的误差泛化误差generalization error在新样本上的误差过拟合overfitting学习能力过于强大欠拟合underfitting学习能力低下2.2 评估方法通过实验测试来对学习器的泛化误差进行评估2.2.1 留出法留出法(h
2022-05-15 20:56:11
180
原创 吃瓜教程task01 第1章 绪论
第一章 绪论2022/5/15 雾切凉宫1.2 基本术语中文名英文名意义数据集data set一组记录的集合示例/样本/特征向量instance/sample/feature vector一条记录（对对象的描述）属性/特征attribute/feature对象的表现或性质属性值attribute value属性上的取值属性空间/样本空间/输入空间attribute space/sample space属性张成的空间标记label
2022-05-15 20:43:53
319
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人