- 博客(4)
- 收藏
- 关注
RSS订阅原创 win10+vscode+opencv(C++)环境搭建便捷版（无需cmake编译）
win10+vscode+opencv c++环境搭建——无需CMake编译MinGW-w64安装OpenCV-MinGW-Buildvscode配置常见问题用vscode来写Opencv的c++代码需要自行编译Opencv，这期间主要用到的工具有MinGW-w64和CMake。由于自行编译的过程耗时繁复，并不会一帆风顺，常出现编译错误的现象，需要有极强的折腾的精神。本博文使用他人已经编译过的Opencv库来搭建我们需要的开发环境，在解决好版本兼容问题后，能减少许多麻烦事。MinGW-w64安装Mi
2021-02-24 18:13:39
1791
6
原创 白话模式识别与机器学习关系
白话模式识别与机器学习异同什么是模式识别基本术语模式识别的主要方法什么是模式识别什么是模式？模式就是一种规律，它代表个体或一组事物的模板或原理，是表征事物特点的特征或性状的组合。如果还没明白，想想如何理解“商业模式”。模式识别：模式识别就是对模式的区分和认识，把对象根据其特征归到若干类中适当的一类。模式识别这门学科研究如何通过一系列数学方法，让计算机来实现人的模式识别能力。基本术语样本：所研究对象的一个个体，相当于统计学中的“实例”样本集：若干样本的集合，相当于统计学中的“样本”类
2020-09-01 21:34:29
296
原创 从机器学习看特征工程
特征工程基础特征工程概述机器学习流程数据模型特征特征工程概述到底什么是特征工程，为什么需要特征工程？这一切要从机器学习说起，为了提取知识和做出预测，机器学习使用数学模型来拟合数据；然而数据的表示形式各样，有文本、语音、图像、数值等等，它们并不能直接作为模型的输入。此时模型将特征作为输入，特征就是数据和模型之间的纽带，是原始数据在某个方面的数值表示。特征工程：指从原始数据中提取特征并将其转换为适合机器学习模型的格式，特征工程没有统一的范式，正确的特征工程应该适合当前的任务。为了更好理解特征工程的重要
2020-08-26 17:48:54
338
原创 NLP文本分类之基于传统机器学习算法
NLP文本分类之基于传统机器学习算法特点：人工特征工程+浅层分类模型特征工程将文本表示为计算机可以识别的，能够代表该文档特征的特征矩阵的过程；通常将特征工程分为文本预处理、特征提取、文本表示三部分1.文本预处理即提取文本中的关键词表示文本的过程文本分词：研究表明词粒度好于字粒度；尤其在中文场景，需要设计复杂的分词算法。去停用词：停止词是文本中一些高频的代词、连词、介词等对文本分类无意义的词。2.中文分词基于字符串匹配的分词方法：过程：这是一种基于词典的中文分词，核心是首先建立统
2020-07-09 00:39:55
1308
1
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