人工智能与机器学习
sanyiji
这个作者很懒,什么都没留下…
展开
-
深度学习之笑脸及口罩数据集的分类预测实验实验(仿猫狗数据集训练方法)
参考Python深度学习第5章第2节中的代码示例目录在小数据集上训练ConvNet深度学习与小数据问题的相关性数据集下载代码实现上述操作建立我们的关系网数据预处理使用数据增强在小数据集上训练ConvNet我们从零开始在小数据集上训练Convnet。仅使用很少的数据来训练图像分类模型是一种常见的情况,如果你曾经在专业环境中做过计算机视觉,你可能会在实践中遇到这种情况。拥有“少量”样本可能意味着从数百到数万张图像。作为一个实际的例子,我们将在包含4000张猫和狗的图片(2000只猫,2000只狗)的数原创 2020-07-03 14:24:06 · 1320 阅读 · 0 评论 -
Anaconda环境下安装dlib模块(超简便)
之前按照python3.7添加dlib模块这个链接在双击运行bootstrap.bat批处理文件这一步的时候会报错,cl命令不是内部或外部命令。查阅资料后发现是没有下载vs的问题。于是自己在网上找了一些教程,因为自己经常用Anaconda,所以选择在Anaconda下安装dlib模块。目录一、下载vs二、安装dlib库三、验证一、下载vs如果已经安装好了vs,可以直接进行第二步。Visual Studio 2017 (VS2017)安装、配置和使用按照上面这个教程就可以成功的安装visual st原创 2020-06-16 20:07:54 · 5628 阅读 · 0 评论 -
SVM算法编程练习
这里写目录标题什么是支持向量机如何找到超平面分割超平面什么是支持向量机对于线性可分两类数据,支持向量机就是条直线(对于高维数据点就是一个超平面), 两类数据点中的的分割线有无数条,SVM就是这无数条中最完美的一条,怎么样才算最完美呢?就是这条线距离两类数据点越远,则当有新的数据点的时候我们使用这条线将其分类的结果也就越可信。例如下图中的三条直线都可以将A中的数据分类,那条可以有最优的分类能力呢?我们需要线找到数据点中距离分割超平面距离最近的点(找最小)然后尽量使得距离超平面最近的点的距离的绝对值尽原创 2020-05-24 12:31:24 · 772 阅读 · 0 评论 -
线性分类器理论基础、Fisher判别算法、Iris数据集实战
目录一、Fisher判别1.算法描述2.python代码实现算法二、类间散度矩阵和类内散度矩阵1.类内散度矩阵2.类间散度矩阵3.总体散度矩阵一、Fisher判别1.算法描述Fisher线性判别分析的基本思想:选择一个投影方向(线性变换,线性组合),将高维问题降低到一维问题来解决,同时变换后的一维数据满足每一类内部的样本尽可能聚集在一起,不同类的样本相隔尽可能地远。Fisher线性判别分析...原创 2020-05-05 00:59:26 · 1710 阅读 · 0 评论 -
机器学习之分类算法,mnist手写体识别的python实战(一)
今天我们来学习机器学习之分类算法,MNIST手写体识别的python实战。目录一、MNIST数据集二、python代码实战1.查看MNIST数据2.分类算法2.1训练一个二分类器2.2评估分类器使用交叉验证测量精度混淆矩阵精度和召回率精度和召回率权衡ROC曲线一、MNIST数据集首先来介绍一下什么是MNIST。这是一组由美国高中生和人口调查局员工手写的70000个数字的图片。每张图像都用其...原创 2020-04-26 15:32:36 · 4157 阅读 · 2 评论 -
凸优化基础之计算几何、凸集、凸函数、凸规划
目录一、计算几何1.什么是计算几何2.计算几何理论中过两点的一条直线的表达式,是如何描述的?二、凸集1.什么是凸集2.如何表达三维空间中的一个平面3.如何表达超平面4.什么是凸函数及如何判别5.什么是凸规划及如何判别一、计算几何1.什么是计算几何计算几何是计算机理论科学的一个重要分支.自20世纪70年代末从算法设计与分析中独立出来起,不到30年,该学科已经有了巨大的发展,不仅产生了一系列重要...原创 2020-04-21 18:23:23 · 1258 阅读 · 1 评论 -
线性规划的大M法和非线性规划的拉格朗日乘子法
目录一 、线性规划1.大M法1.1 单纯形法1.2 大M法1.3用Excel演示大M法1.4用python实现大M法求解1.5 比较Excel手推,Excel自带包,python自带库,不使用python自带库四者大M法求解结果。二、非线性规划1. 拉格朗日乘子法和KKT条件2.拉格朗日乘子法计算方法3.python求解拉格朗日乘子法一 、线性规划什么是线性规划呢?线性规划是运筹学的重要分支...原创 2020-04-19 14:27:28 · 4477 阅读 · 0 评论 -
梯度下降算法和牛顿算法原理以及使用python用梯度下降和最小二乘算法求回归系数
最优化问题在机器学习中有非常重要的地位,很多机器学习算法最后都归结为求解最优化问题。在各种最优化算法中,梯度下降法是最简单、最常见的一种,在深度学习的训练中被广为使用。首先我们来探讨一下最优化问题最优化问题是求解函数极值的问题,包括极大值和极小值。在初中时我们就学会了求解二次函数的极值(抛物线的顶点),高中时学习了幂函数,指数函数,对数函数,三角函数,反三角函数等各种类型的函数,求函数极值的...原创 2020-04-04 17:40:35 · 825 阅读 · 0 评论