机器学习与深度学习
个人学习笔记分享,本人能力非常有限,请读者慎重阅读与参考,如有错误之处请指出,大家共同学习。
高万禄
一个菜鸡
展开
-
2021 大学生电子设计竞赛 G题 无人机 识别部分
硬件解决方案前视OpenMV与下视OpenMVOpenMV代码仓库github: https://github.com/gaowanlu/electronic-design-competitionGithub开源仓库视觉ROI模型建立ROI模型图如 图表3所示,本项目采用视觉图像大小为 160*120(即宽为 160像素 高为120像素)。在图像中设计四个ROI区域,图表 3 ROI模型利用ROI模型设计识别算法当右上区域的内绿色色块的高大于右上区域高的二分之一,与宽度大于右上区域宽的原创 2021-11-19 21:17:26 · 10684 阅读 · 5 评论 -
P1 方程组的几何解释【线性代数】
P1 方程组的几何解释原创 2022-01-09 02:53:08 · 294 阅读 · 0 评论 -
P2 矩阵消元【线性代数】
P2 矩阵消元pdf点击下载原创 2022-01-09 02:56:53 · 261 阅读 · 0 评论 -
XGBRegressor梯度提升回归xgboos 决策树回归
XGBoost提供梯度提升的优化实现准备'''XGBoost提供梯度提升的优化实现'''import xgboostimport matplotlib.pyplot as pltimport numpy as npfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import mean_squared_error#画出决策树回归的图def plot_predictions(regres原创 2021-11-21 21:23:12 · 1934 阅读 · 0 评论 -
opencv 灰度图二分类 (人脸识别 非HOG)sklearn 机器学习
运行效果基本实现灰度二分类,分类器采用sgd分类器声明本人非常菜、这些demo仅供大家参考,以至于可以快速训练出,如手写数字识别的demo程序,模型没有评估,如需要学习可以看我的机器学习与深度学习博客专栏里的内容。代码实现样本采取与检测(直接复制 不能Run、需要自己修改,仅供参考)代码多的原因 自己写了opencv的一些工具函数、读者可以忽略、直接从main函数开始看import cv2import numpy as npimport pickle# test opencv原创 2021-11-16 01:08:23 · 845 阅读 · 0 评论 -
逻辑回归 单特征 多特征 Softmax多特征多分类
逻辑回归估计概率公式逻辑函数(数值->逻辑值)逻辑回归模型预测当概率越靠近1,则-log(t) 越靠近0,当p越靠近0,-log(t)则越大逻辑回归成本函数(对数损失)偏导from sklearn import datasetsimport numpy as npimport matplotlib.pyplot as plt单特征iris = datasets.load_iris()print(iris["data"][0])X=iris[原创 2021-11-12 03:51:34 · 890 阅读 · 0 评论 -
线性回归 scikit-learn LinearRegression、最小二乘法、梯度下降、SDG、多项式回归、学习曲线、岭回归、Lasso回归
线性回归 scikit-learn关键词: LinearRegression、最小二乘法、梯度下降、SDG、多项式回归、学习曲线、岭回归、Lasso回归LinearRegression#使用scikit-learn中的线性回归模型from operator import lefrom sklearn.linear_model import LinearRegressionimport numpy as npimport matplotlib as mplimport matplotlib.p原创 2021-11-12 01:12:11 · 1209 阅读 · 0 评论 -
Sklearn多分类 手写数字多分类 混淆矩阵 F1 多标签分类器 多输出分类器
关键词:手写数字多分类 混淆矩阵 F1 多标签分类器 多输出分类器Knn#手写数字多分类from tensorflow import kerasfrom sklearn.svm import SVCimport numpy as npimport pickle(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()#转变数据集形式x_train_transed=[]for index in原创 2021-11-10 20:47:29 · 1293 阅读 · 0 评论 -
图像二分类,SGDClassifier RandomForestClassifier 分类器、PR曲线、精准率、召回率、F1值、ROC曲线
依赖:tensorflow、matplotlib、numpy、sklearn、pickle代码from tensorflow import kerasimport matplotlib.pyplot as pltimport numpy as npfrom sklearn.linear_model import SGDClassifierfrom sklearn.preprocessing import StandardScalerimport pickle(x_train, y_tra原创 2021-11-09 02:18:26 · 2520 阅读 · 0 评论 -
机器学习常见性能指标《机器学习实战》笔记
均方根误差平均绝对误差原创 2021-10-19 17:35:18 · 152 阅读 · 0 评论 -
机器学习-支持向量机-sklearn
支持向量机SVM(Support Vector Machine),适合用于中小型复杂数据集的分类。支持向量机有三宝间隔对偶核技巧大间隔分类(Large margin classification)from sklearn.svm import SVCfrom sklearn import datasetsimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltiris=datasets.lo原创 2021-02-14 21:09:12 · 701 阅读 · 0 评论 -
机器学习-逻辑回归-sklearn
逻辑回归使用-sigmoid函数-进行对数几率回归(通常解决二分类问题)单特征from sklearn import datasetsimport numpy as npimport matplotlib.pyplot as pltiris = datasets.load_iris()list(iris.keys())X=iris["data"][:,3:] #petal width 花瓣宽度,选择每行的第四个(每行共四个)print(iris["target"])y=(iris["t原创 2021-02-13 23:53:44 · 434 阅读 · 0 评论 -
机器学习-学习曲线-sklearn
学习曲线如果模型在训练数据上表现良好,但根据交叉验证的指标泛化较差,则你的模型过拟合。如果两者的表现均不理想,则说明欠拟合均方误差 mean squared error训练测试分 train_test_splitfrom sklearn.metrics import mean_squared_errorfrom sklearn.model_selection import train_test_splitimport numpy as np import matplotlib.pyplot原创 2021-02-12 17:59:25 · 1229 阅读 · 0 评论 -
机器学习-线性回归-sklearn
线性模型Scikit-Learn中的线性回归from sklearn.linear_model import LinearRegressionimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt#创建数据集X=2*np.random.rand(10,1)#100行1列的随机初始化向量y=4+3*X+np.random.randn(10,1)#创建模型实例lin_reg=LinearRegress原创 2021-02-10 21:49:24 · 727 阅读 · 0 评论 -
学习《简单粗暴TensorFlow2》
学习《简单粗暴TensorFlow2》官方文档:https://tf.wiki/zh_hans/basic/basic.html第一个tensorflow程序#导入tensorflow模块并为模块起一个别名import tensorflow as tf#在此我们就现为它起别名为tf,即TensorFlow的缩写A = tf.constant([[1,2],[3,4]])B = tf.constant([[5,6],[7,8]])C = tf.matmul(A,B)print(C)输原创 2021-01-26 22:42:28 · 1823 阅读 · 2 评论 -
使用EasyX体验一元线性模型
使用方法代码实现#include <easyx.h> // 引用图形库头文件#include <conio.h>#include<cstdio>#include<ctime>#include<cstdlib>#include<cmath>#include<vector>#include<iostream>void initWindow(void);void getRealPoint(f原创 2021-01-21 21:21:35 · 249 阅读 · 0 评论 -
梯度下降求函数最小值C++样例
强力推荐大家阅读《深度学习的数学》一书,日本作家所写,可当作课外读物阅读#include<iostream>#include<cmath>//梯度下降求最小值//以函数z=x^4+y^2,为例子 //算出偏导,梯度向量//x:4x^3 y:2y 梯度向量为 (4x^3,2y) int main(void){ double n=0.007;//步长选0.1 //我们要选一个点,作为起点 double start_x=25.0,start_y=25.0;原创 2020-12-16 05:12:15 · 1472 阅读 · 2 评论 -
跟我一起学《深度学习》 第二章 线性代数(2.7 特征分解 )
原创 2020-12-08 18:22:07 · 303 阅读 · 0 评论 -
跟我一起学《深度学习》 第二章 线性代数(2.6 特殊类型的矩阵和向量 )
原创 2020-12-07 22:52:06 · 253 阅读 · 1 评论 -
跟我一起学《深度学习》第二章 线性代数(2.5 范数 )
原创 2020-12-07 01:54:52 · 335 阅读 · 0 评论 -
跟我一起学《深度学习》第二章 线性代数(2.4 线性相关和生成子空间 )
原创 2020-12-06 04:46:46 · 616 阅读 · 0 评论 -
跟我一起学《深度学习》 第一章 引言
原创 2020-12-06 01:33:22 · 318 阅读 · 0 评论 -
跟我一起学《深度学习》 第二章 线性代数(2.3 单位矩阵和逆矩阵)
原创 2020-12-06 02:23:29 · 398 阅读 · 0 评论 -
跟我一起学《深度学习》第二章 线性代数(2.2 矩阵和向量相乘)
原创 2020-12-06 02:06:23 · 406 阅读 · 0 评论 -
跟我一起学《深度学习》 第二章 线性代数(2.1 标量、向量、矩阵、张量)
原创 2020-12-06 01:35:05 · 315 阅读 · 0 评论