![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
酸乳酸乳
这个作者很懒,什么都没留下…
展开
-
SLAM学习
SLAM学习一、 SLAM典型应用领域二、 SLAM框架三、 研究现状四、 SLAM分类(基于传感器SLAM分类)五、 公开数据集六、 开源方案七、 视觉SLAM发展八、 VSLAM未来趋势SLAM(Simultaneous localization and mapping,即时定位与地图构建),主要用于解决机器人在未知环境运动时的定位与地图构建问题。一、 SLAM典型应用领域1. 自动驾驶...原创 2019-10-26 21:54:07 · 1036 阅读 · 1 评论 -
决策树
决策树(Decision Tree)主要是用来处理分类问题,是最经常使用的数据挖掘算法之一。决策树须知概念熵指的是体系的混乱程度信息熵(香农熵)是一种信息的度量方式,表示信息的混乱程度,信息越有序,熵越低。信息增益:在划分数据集前后信息发生的变化称为信息增益决策树工作原理:决策树算法特点:优点:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数...原创 2019-06-06 16:37:36 · 234 阅读 · 1 评论 -
朴素贝叶斯
贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类。而朴素贝叶斯分类器是贝叶斯分类器中最简单常用的一种方法。并且朴素贝叶斯算法仍然是最流行的十大挖掘算法之一。该算法简单易懂,学习效率高,在某些分类问题上能够和神经网络和决策树相媲美。import numpy as npdef load_data_set(): posting_list = [ ...原创 2019-09-17 18:04:24 · 127 阅读 · 0 评论 -
KNN k-近邻算法
KNN主要使用来分类的。算法原理:假设有带有标签的训练样本集,其中包含每条数据与所属分类的对应关系; 输入一个没有标签的新数据,将新数据的每个特征与样本集中数据对应的特征进行比较,计算新数据与样本数据集中每条数据的距离,对求得所有距离进行排序(越小表示越相似),取前k(k<=20)个样本数据对应的分类标签。 求K个数据中出现次数最多的分类标签作为新数据的分类。 KNN算法特点...原创 2019-06-05 19:41:39 · 221 阅读 · 0 评论 -
scikit-learn学习
scikit-learn是python中常见的机器学习库,简写为sklearnsklearn包含很多机器学习方式Classification 分类 Regression 回归 Clustering 非监督分类 Dimensionality reduction 数据降维 Model Selection 模型选择 Preprocessing 数据预处理使用模型的步骤导入模块 ...原创 2019-10-10 22:44:51 · 174 阅读 · 0 评论