机器学习
文章平均质量分 72
海底捞淡水鱼
这个作者很懒,什么都没留下…
展开
-
形式化方法(Formal Methods)和人工智能(Artificial Intelligence)
一、形式化方法(Formal Methods) 形式化方法最初应用在硬件上,验证硬件的正确性,后面逐渐应用到软件编程中,能够在软件中找到软件的错误,验证软件的安全可靠。形式化方法更加接近离散数学,所以其应用难度非常大,同时学习成本也较高。再加上形式化方法的大多数理论还停留在上个世纪,由于程序越来越复杂,导致形式化方法进行验证需要大量人工和时间,以至于现在绝大部分软件开发人员完全没有考虑过这个方法,甚至没有听说过这个名词。 形式化方法最新的应用成果是在工业上,比如一些极其重要且对安全性要求极高的领域(原创 2021-03-02 12:35:08 · 2724 阅读 · 0 评论 -
反事实(counterfactual)简述
1.定义反事实counterfactual是对已有结果进行假设,再推理,估计其中一项影响因素的发生概率。2.用处近年来在机器学习中广泛应用,指代与因果分析相关的广泛性技术。3.典型实例1.已知 Alice 在工作中没有得到晋升,已知她是一名女性,已知我们可以观察到的关于她的情况和表现的一切事情,那么,如果 Alice 是男性,她的晋升概率又会如何?我们问这个问题,目的是在检测性别对结果有多大的影响。但是我们在这里,需要明确的一点就是,这是一个单独的公平性概念,不是整个模型的公平性。也就是说,我们原创 2021-02-04 11:36:55 · 15631 阅读 · 1 评论 -
AI可解释性主体
AI可解释作为现在比较热门的方向,很多企业选择了解释性强的AI模型,但是这不得不与准确率妥协。如何解释一个既有的AI模型,让模型变透明,使得AI在应用中更加得心应手,成了迫切的工作。但是里面有什么,我们并不知道,可以通过一些方式方法,来直接或者间接探索内部的运作。原创 2020-10-27 19:51:07 · 1072 阅读 · 2 评论 -
OpenCV-Python 笔记(七)霍夫变换,图像分割,GrabCut算法
霍夫线变换理论霍夫变换应用于检测任何形状,即使有稍微破损或者变形,都可以检测出来。这里我们将它作用在直线上。根据直线方程:y=ax+b。从原点做直线的垂线,和x正方向形成θ夹角,原点到直线的距离为ρ。当θ小于180°时,认为它是正的,大于180°时,θ是负的。这样就可以把原点到直线的距离用参数的形式表示出来:ρ=xcosθ+ysinθ。所以任意一条直线,都可以用ρ和θ表示。当直线平行于x轴,θ值为0°,垂直于x轴,θ为90°。我们可以创建一个二维数组,它的列数表示θ的值,比如180列,每列表示1原创 2020-08-11 15:36:59 · 1396 阅读 · 0 评论 -
对【线性回归、梯度下降和逻辑回归】的认识总结
一、线性回归一、利用矩阵知识对线性公式进行整合二、误差项的分析三、似然函数的理解四、矩阵求偏导及线性回归的最终解释二、梯度下降算法一、前提条件二、训练集三、数据集四、训练终止三、逻辑回归算法...原创 2020-08-09 23:45:01 · 380 阅读 · 0 评论