- 博客(20)
- 收藏
- 关注
RSS订阅原创 PCA主成分分析（PCA降维）
PCA（Principal Components Analysis，主成分分析），作为一种降维技术，使数据更易用于分析数据集建立数据模型。PCA是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k（k
2023-05-25 14:52:45
4123
1
原创 密度峰值聚类算法DPC(Density Peak Clustering)理论基础与python实现
基于密度峰值的聚类算法全称为基于快速搜索和发现密度峰值的聚类算法(clustering by fast search and find of density peaks, DPC)。它是2014年在Science上提出的聚类算法，该算法能够自动地发现簇中心，实现任意形状数据的高效聚类。密度峰值聚类算法是对K-Means算法的一种改进，是一种不需要迭代的，可以一次性找到聚类中心的方法聚类方法。
2023-04-06 23:01:34
9197
20
原创 详解DBSCAN聚类算法并基于python实现
DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一种无监督的ML聚类算法，是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。
2023-04-05 22:38:44
2084
2
原创 从零开始实现YOLO V3——day3损失函数与模型训练
在Day2的内容中提到目标检测算法实际上需要完成3个机器学习的子任务，这三个任务分别是1）判断候选框内是否包含物体的2分类任务；2）识别候选框中图像类别的图片分类任务；3）预测框位置和大小的回归任务。
2023-04-01 16:57:30
679
原创 从零开始实现YOLO V3——day2YOLO V3模型拆解
与R-CNN系列算法不同，YOLOv3使用单个网络结构，在产生候选区域的同时即可预测出物体类别和位置，不需要分成两阶段来完成检测任务。另外，YOLOv3算法产生的预测框数目比Faster R-CNN少很多。Faster R-CNN中每个真实框可能对应多个标签为正的候选区域，而YOLOv3里面每个真实框只对应一个正的候选区域。这些特性使得YOLOv3算法具有更快的速度，能到达实时响应的水平。
2023-03-30 16:34:38
867
原创 从零开始实现YOLO V3——day1目标检测算法基本概念
当涉及到计算机视觉和人工智能的应用时，目标检测是一个非常重要的任务。它是指识别和定位数字图像或视频中的特定对象，通常是在图像中用矩形边界框标识出来。目标检测在许多实际应用中都有着广泛的应用，包括自动驾驶、安防监控、智能交通、医疗影像分析等领域。本系列博文将介绍目标检测的基本概念、算法和应用，帮助读者深入了解目标检测技术。
2023-03-29 10:36:45
223
原创 基于k-means实现鸢尾花聚类
与有监督学习相比，无监督学习的样本没有任何标记。无监督学习的算法需要自动找到这些没有标记的数据里面的数据结构和特征。对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇，让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大
2022-05-15 16:18:14
20314
2
原创 基于sklearn的线性回归实现房价预测
经典的线性回归模型主要用来预测一些存在着线性关系的数据集。回归模型可以理解为：存在一个点集，用一条曲线去拟合它分布的过程。如果拟合曲线是一条直线，则称为线性回归。如果是一条二次曲线，则被称为二次回归。线性回归是回归模型中最简单的一种。 本教程使用PaddlePaddle建立起一个房价预测模型。
2022-05-15 16:00:05
5983
原创 图像直方图统计
图像直方图统计灰度直方图概括了图像的灰度级信息，简单的来说就是每个灰度级图像中的像素个数以及占有率，创建直方图无外乎两个步骤，统计直方图数据，再用绘图库绘制直方图。统计直方图数据 首先要稍微理解一些与函数相关的术语，方便理解其在python3库中的应用和处理 BINS: 在上面的直方图当中，如果像素值是0到255，则需要256个值来显示直 方图。但是，如果不需要知道每个像素值的像素数目，只想知道两个像素值之间的像素点数目怎么办？例如，想知道像素值在0到15之间的像素点数目，然后是16到31。。。24
2022-05-15 15:39:20
1102
原创 Python实现海量文件遍历
使用Python实现对一个目录下所有文件的遍历，并统计出不同类型文件的数目；这个技巧对与海量的数据分析有很大的帮助，可以预先通过该技巧得到文件的大致类别和数量，对随后做数据预处理提供支持；
2022-05-15 15:29:49
873
原创 逻辑回归手动实现（logistic regression）
logistic回归是一种广义线性回归（generalized linear model），因此与多重线性回归分析有很多相同之处。它们的模型形式基本上相同，都具有 w‘x+b，其中w和b是待求参数，其区别在于他们的因变量不同，多重线性回归直接将w‘x+b作为因变量，即y =w‘x+b，而logistic回归则通过函数L将w‘x+b对应一个隐状态p，p =L(w‘x+b),然后根据p 与1-p的大小决定因变量的值。如果L是logistic函数，就是logistic回归，如果L是多项式函数就是多项式回归。
2022-05-15 12:11:11
1975
5
原创 动态规划-从暴力搜所到备忘录再到递推
动态规划-从暴力搜所到备忘录再到递推题目描述暴力递归：改进1 备忘录方法（也叫记忆搜索法）改进2 递推式的方法（也叫位置依赖法）总结题目描述假设有排成一行的N个位置，记为1-N，N一定大于等于2开始时机器人在其中的current位置上（current一定时1-N中的一个）如果机器人来到1位置，那么下一步只能来到2位置如果机器人来到N位置，那么下一步只能来到N-1位置如果机器人来到中间位置，那么下一步可以往左走一步，也可以往右走一步规定机器人必须走step步，最终能来到aim位置（aim也是1
2022-04-17 17:30:06
417
原创 基于最大参与率挖掘稀有特征的co-location模式
在传统的基于团的挖掘算法中，参与率和参与度会随着co-location模式阶的增大而单调递减，根据单调性可以对co-location模式挖掘进行有效的剪枝。然而，如果在稀有空间特征存在的数据集合中挖掘co-location模式，用传统的方法将导致一些有趣的co-location模式被排除了。挖掘带有稀有空间特征的co-location模式的意义在于当一个模式中存在稀有特征时，仍能够准确的挖掘频繁co-location模式。
2022-04-03 20:13:51
1113
原创 K近邻算法的理论与基于python实现
K近邻算法是一个有监督学习，需要提供有标签的样本进行训练，才能去预测新的样本。K近邻算法，应该是最简单的一个机器学习算法，即是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例，这K个实例的多数属于某个类，就把该输入实例分类到这个类中。（**这就类似于现实生活中少数服从多数的思想**）
2022-04-03 14:39:02
1991
原创 空间co-location模式挖掘基于无连接Join-Less原理与实现
基于无连接join-less算法的空间co-location模式挖掘算法原理与实现。一种非连接的算法基于无连接Join-Less的原理与实现，提出一种物化模型：星型邻居物化模型，可以通过这种物化模型生成候选co-location模式。
2022-03-12 18:00:00
1159
原创 空间co-location模式挖掘基于全连接Join-Base原理与实现
简单来说该文章就是将apriori算法应用到空间模式的挖掘，将事务篮子换为co-location模式，将事务等价为行实例和表实例。引入参与率和参与度来等价支持度。频繁项的挖掘和关联规则的生成还是遵循apriori算法的步骤和核心思想，即先验原理（频繁模式的子集一定是频繁的，非频繁模式的超集一定是不频繁的）
2022-03-08 15:52:05
1521
9
原创 决策树理论与实现
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入决策树理论放贷的举例信息熵与信息增益信息熵具体实例欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown
2022-03-04 17:29:42
879
原创 Redis事务介绍
Redis事务Redis事务介绍首先我们需要知道一点，Redis是弱事务类型的，以下是对它的常见介绍1.Redis的事务是通过MULTI、EXEC、DISCARD和WATCH这四个命令来完成的。2.Redis的单个命令都是原子性的，所以这里需要确保事务性的对象是命令集合。3.Redis将命令集合序列化并确保处于同一事物的命令集合连续切不被打断的执行。4.Redis不支持回滚操作。...
2020-03-20 12:56:30
196
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