机器学习
山复尔尔,
这个作者很懒,什么都没留下…
展开
-
基于mobilenet的pspnet模型
基于mobilenet的pspnet模型原创 2020-06-24 10:31:42 · 582 阅读 · 0 评论 -
卷积神经网络(六)——目标探测
文章目录卷积神经网络(六)——目标探测一、目标探测介绍(一)什么是目标探测(二)直接思路(三)总结二、传统方法-DPM(一)基本思想(二)优缺点三、神经网络分类:R-CNN系列方法(一)基本思想(二)步骤(三)测试过程(四)数据集(五)评估方法(六)结果对比(七)R-CNN总结(八)Fast R-CNN(九)Anchor详解四、神经网络回归:YoLo系列方法卷积神经网络(六)——目标探测一、目...原创 2020-04-22 21:41:22 · 918 阅读 · 0 评论 -
卷积神经网络(五)
文章目录卷积神经网络(五)一、目标分类基本框架(一)数据准备(1)数据来源(2)数据扩充(3)数据准备(4)数据规范(二)模型设计(1)任务类型(2)现有模型(3)局部设计—从头设计(三)训练细节二、迁移学习三、研究分享:如何设计神经网络卷积神经网络(五)一、目标分类基本框架(一)数据准备(1)数据来源(2)数据扩充(3)数据准备(4)数据规范(二)模型设计(1)...原创 2020-04-21 17:05:40 · 150 阅读 · 0 评论 -
卷积神经网络高级篇(四)
卷积神经网络高级篇(四)一、AlexNet:现代神经网络起源(一)AlexNet结构二、VGG:AlexNet增强版三、GoogLeNet:多维度识别四、ResNet:机器人超越人类识别五、DeepFace:结构化图片的特殊处理六、U-Net:图片生成网络七、实例:解剖VGG...原创 2020-04-19 13:25:03 · 193 阅读 · 0 评论 -
深度学习之神经网络(三)
深度学习之神经网络(三)一、链式反向梯度传导二、卷积神经网络-卷积层(一)什么是卷积层(二)有什么组成(三)受什么影响,有何特点(四)怎样工作三、实例:卷积神经网络MNIST分类...原创 2020-04-11 22:48:40 · 135 阅读 · 0 评论 -
SKlearn工具(五)
一、sklearn数据集变换(三)特征变换(四)维数约简(一)Pipeline和FeatureUnion:组合estimators(1)Pipeline:chaining(链接) estimators(2)FeatureUnion二、特征抽取(一)Loading Features From Dicts(二) Features hashing(三)Text ...原创 2020-03-26 20:56:05 · 177 阅读 · 0 评论 -
Sklearn工具(四)
Sklearn工具(四)一、使用sklearn.metric包中的性能度量函数(一)分类器性能评估指标(1)全部函数(2)精确度-召回率-F度量(Precision-Recall-F_measures)(3)损失函数(Loss Function)(4)准确率(Accuracy score)(二)回归器性能指标(三)聚类器性能指标(四)两两距离测度...原创 2020-03-25 16:05:54 · 119 阅读 · 0 评论 -
Sklearn工具(第三天)
Sklearn工具(第三天)一、计算机生成的数据集 sklearn.datasets.make_二、SKLearn中的模型选择体系(一)数据集划分方法(1)K折交叉验证(2)留一法(3) 随机划分法(二)超参数优化方法(1)什么是超参数(hyper-parameters)(2)网格搜索穷举式超参数优化方法(3)随机采样式超参数优化方法(4)超参数...原创 2020-03-19 20:51:53 · 156 阅读 · 0 评论 -
Sklearn工具———绪论
文章目录Sklearn工具——绪论一、人类学习的两种方式二、什么是机器学习三、机器怎样学习?四、机器学习的作用五、课程主要内容Sklearn工具——绪论一、人类学习的两种方式二、什么是机器学习三、机器怎样学习?四、机器学习的作用五、课程主要内容...原创 2020-02-16 21:32:39 · 194 阅读 · 0 评论 -
机器学习——基础算法(十七)
机器学习——基础算法(十七)一、Hmmlearn的安装二、隐形马尔科夫模型实践原创 2020-02-04 21:33:58 · 241 阅读 · 0 评论 -
机器学习——基础算法(十六)
文章目录机器学习——基础算法(十六)一、隐马尔科夫模型(一)HMM定义(二)隐马尔科夫模型的贝叶斯网络(三)HMM的确定(四)HMM的参数二、概率计算问题(一)直接计算法(二)前向算法(三)后向算法机器学习——基础算法(十六)一、隐马尔科夫模型(一)HMM定义(二)隐马尔科夫模型的贝叶斯网络(三)HMM的确定(四)HMM的参数二、概率计算问题(一)直接计算法...原创 2020-01-14 10:31:51 · 200 阅读 · 0 评论 -
机器学习——基础算法(十五)
机器学习——基础算法(十五)一、Gensim的安装二、正则表达式三、常用正则表达式四、LDA_intro.py# !/usr/bin/python# -*- coding:utf-8 -*-import numpy as npfrom textrank4zh import TextRank4Keyword, TextRank4Sentenceimport pandas...原创 2020-01-10 17:08:14 · 155 阅读 · 0 评论 -
机器学习——基础算法(十四)
机器学习——基础算法(十四)一、LDA的应用方向二、朴素贝叶斯的分析三、Beta(一)Beta分布(二)Beta分布的期望(三)Beta分布四、LDA涉及的主要问题(一)共轭先验分布(二)二项分布与先验举例(三)先验概率和后验概率的关系(三)共轭先验的直接推广(四)Dirichlet分布(五)Dirichlet分布的期望(六)Dirichlet分...原创 2020-01-10 11:07:37 · 201 阅读 · 0 评论 -
机器学习——基础算法(十三)
机器学习——基础算法(十三)一#!/usr/bin/python# -*- coding:utf-8 -*-import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib as mplfrom sklearn.preprocessing import StandardSca...原创 2020-01-09 15:29:38 · 256 阅读 · 0 评论 -
机器学习——基础算法(十二)
机器学习——基础算法(十二)一、相对熵二、互信息三、信息增益四、概率五、贝叶斯公式的应用六、后验概率七、贝叶斯网络八、贝叶斯网络的三个定理...原创 2020-01-07 10:14:46 · 114 阅读 · 0 评论 -
机器学习——基础算法(十一)
机器学习——基础算法(十一)一、二项分布的最大似然估计二、二项分布与先验举例三、EM算法import numpy as npfrom scipy.stats import multivariate_normalfrom sklearn.mixture import GaussianMixturefrom mpl_toolkits.mplot3d import Axes3Dim...原创 2020-01-06 11:16:33 · 279 阅读 · 0 评论 -
机器学习——基础算法(十)
机器学习——基础算法(十)一、EM算法注:(一)Jensen不等式:若f是凸函数,则f(Ex)≤Ef(x)(一)最大似然估计(1)■找出与样本的分布最接近的概率分布模型。■简单的例子■10次 拋硬币的结果是:正正反正正正反反正正假设p是每次抛硬币结果为正的概率。则:得到这样的实验结果的概率是:P=pp(1-p)ppp(1-p)(1- p)pp=p7(1-p)3最优解是: p=0...原创 2019-12-31 22:30:31 · 98 阅读 · 0 评论 -
机器学习——基础算法(九)
机器学习——基础算法(九)一、kMeans# !/usr/bin/python# -*- coding:utf-8 -*-import numpy as npimport matplotlib.pyplot as pltimport sklearn.datasets as dsimport matplotlib.colorsfrom sklearn.cluster import ...原创 2019-12-02 20:49:01 · 164 阅读 · 0 评论 -
机器学习——基础算法(八)
文章目录机器学习——基础算法(八)一、聚类的定义二、相似度/距离计算方法总结三、聚类的基本思想四、k-Means算法(一种广泛使用的聚类算法)五、k-Means聚类方法总结机器学习——基础算法(八)一、聚类的定义 聚类就是对大量未知标注的数据集,按数据的内在相似性将数据集划分为多个类别,使类别内的数据相似度较大 而类别间的数据相似度较小。 无监督二、相似度/距离计算方法总结...原创 2019-11-26 11:10:51 · 128 阅读 · 0 评论 -
机器学习——机器学习(七)
文章目录机器学习——机器学习(七)一、核函数(一)多项式核函数(二)多项式核二、核函数映射三、高斯核是无穷维的四、造数据机器学习——机器学习(七)一、核函数(一)多项式核函数(二)多项式核二、核函数映射三、高斯核是无穷维的四、造数据...原创 2019-11-25 21:56:43 · 694 阅读 · 0 评论 -
机器学习——基础算法(六)
文章目录机器学习——基础算法(六)一、各种概念二、分割超平面三、输入数据四、整理符号五、线性可分支持向量机的目标函数五、目标函数的运用机器学习——基础算法(六)一、各种概念 口线性可分支持向量机 ■硬间隔最大化hard margin maximizati ■硬间隔支持向量机口线性支持向量机 ■软间隔最大化soft margin max imizatic ■软间隔支持向量机...原创 2019-11-25 17:15:26 · 135 阅读 · 0 评论 -
机器学习——基础算法(五)
文章目录机器学习——基础算法(五)一、XGBoost官网二、安装XGBoost过程三、Kaggle简介四、数据预处理-清洗五、0-1的one-hot编码六、用python读取矩阵形式的数据七、使用logistic,随机森林,XGBoost进行分类机器学习——基础算法(五)一、XGBoost官网 官网:https://xgboost.readthedocs.io/en/latest/ 代码:...原创 2019-11-22 16:12:10 · 570 阅读 · 0 评论 -
机器学习——基础算法(四)
机器学习——基础算法(四)一、提升的概念口提升是一个机器学习技术,可以用于回归和分类问题,它每一步产生一个弱预测模型(如决策树),并加权累加到总模型中;如果每一步的弱预测模型生成都是依据损失函数的梯度方向,则称之为梯度提升(Gradient boosting)。口梯度提升算法首先给定一个目标损失函数,它的定义域是所有可行的弱函数集合(基函数);提升算法通过迭代的选择一个负梯度方向上的基函数...原创 2019-11-21 20:58:35 · 147 阅读 · 0 评论 -
机器学习——基础算法(三)
机器学习基础算法–决策树与决策森林实践(三)一、鸢尾花数据决策树分成三类:分别标为紫色,黄色和绿色。它们的信息熵为0.二、决策树的过拟合(一)定义决策树对训练属于有很好的分类能力,但对 未知的测试数据未必有好的分类能力,泛化能力弱,即可能发生过拟合现象。 剪枝 随机森林(二)采用Bagging的策略提升分类准确率 a、bootstrap aggregation b、从样本...原创 2019-11-19 15:22:44 · 181 阅读 · 0 评论 -
机器学习—基础算法(二)
机器学习——基础算法(二)一、回归实践(一)局部加权回归(二)一般使用Logistic回归和Softmax回归进行分类。#!/usr/bin/python# -*- coding:utf-8 -*-import numpy as npimport pandas as pdfrom sklearn import preprocessingfrom sklearn.linea...原创 2019-11-17 09:17:36 · 182 阅读 · 0 评论 -
机器学习——基础算法(一)
机器学习——基础算法(一)一、数据清洗(一)赔率的举例定义原创 2019-11-13 22:13:00 · 251 阅读 · 0 评论 -
机器学习——科学数据包(六)
机器学习—Python数据可视化分析(matplotlib)一、球员能力图#_*_ coding:utf-8 _*_import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.font_manager import FontProperties #显示的定义所要使用的字体 _plt.style.use('ggpl...原创 2019-11-10 09:19:25 · 151 阅读 · 0 评论 -
机器学习——数据科学包(五)
机器学习——数据科学包(五)一、在图形中画注释的符号二、文字(一)相关参数(二)程序三 、Tex公式(一)公式参考网址https://matplotlib.org/tutorials/text/mathtext.html(二)应用实例import matplotlib.pyplot as pltfig=plt.figure()ax=fig.add_subpl...原创 2019-11-09 11:51:14 · 192 阅读 · 0 评论 -
机器学习——数据科学包(四)
机器学习——数据科学包(四)一、环境搭建(一)背景知识(二原创 2019-11-07 19:42:03 · 251 阅读 · 0 评论 -
机器学习——数据科学包(三)
机器学习——数据科学包一、索引(一)行索引Series索引为行索引命名(二)列索引为索引命名(三)重复索引判断是否有重复索引对重复索引的值进行求和对其求平均值(三)多级索引(1)创建多级索引(2)索引交换选取一级索引选取二级索引选取第a行(是一个DataFrame)选取二级索引为1 的(是两个索引级别的seriers)将一级索引...原创 2019-11-01 18:28:20 · 185 阅读 · 0 评论 -
机器学习——数据科学包(二)
机器学习——数据科学包(二)一、pandas课程介绍(一)什么是pandas? pandas是Python里分析结构化数据的工具集 基础是numpy:高性能的矩阵运算 图形库matplotlib:提供数据可视化(二)pandas能做什么? 结构化数据分析例如:数据挖掘二、ipython开发环境的搭建(一)安装jupyterJupyter Notebooks 是一款开源...原创 2019-10-28 17:07:02 · 265 阅读 · 0 评论 -
机器学习——数据科学包(一)
机器学习——基础算法(一)一、numpy &pandas有什么用 用于Python对数据进行分析,用矩阵进行数据计算二、numpy&pandas的安装三、numpy属性原创 2019-10-22 20:14:37 · 226 阅读 · 0 评论 -
机器学习数学基础(三)——矩阵和线性代数
文章目录机器学习数学基础(三)——矩阵和线性代数一、奇异值分解SVD二、线性代数(一)行列式(二)代数余子式(三)伴随矩阵(四)范德蒙行列式Vandermonde(五)矩阵的乘法(六)概率 转移矩阵(七)矩阵和向量的乘法(八)矩阵的秩(九)秩与线性方程组的解的关系(十)推论(十一)向量组等价(十二)系数矩阵(十三)对C=AB的重认识(十四)正交阵(十五)特征值和特征向量(1)特征值的性质(2)实...原创 2019-10-21 20:46:14 · 1047 阅读 · 0 评论 -
机器学习数学基础——概率论与贝叶斯先验
机器学习数学基础——概率论与贝叶斯先验一、引入代码:原创 2019-10-20 22:24:33 · 906 阅读 · 0 评论 -
机器学习——数学基础(一)
机器学习----数学基础(一)一、机器学习与数学分析(一)什么是机器学习?(二)机器学习的内涵与与外延第一步:第二步:(一)机器学习的一般流程(二)机器学习如何发现新词?(三)Python Code实例1(四)Python Code实例2做0到1的均匀分布,取得10000个样本点,做中心极限定理的验证,x1、x2…xn是均匀分布,(x1+x2+…+xn)/n...原创 2019-10-20 16:15:18 · 292 阅读 · 0 评论