机器学习
文章平均质量分 56
Tchunren
本人喜欢运动,热爱生活
展开
-
广义交叉熵 GCE Generalized Cross Entropy Loss 的解释
Generalized Cross Entropy Loss for Training Deep Neural Networks with Noisy Labels论文链接:https://arxiv.org/pdf/1805.07836.pdfGCE的定义如下所示:Lq(f(x),ej)=(1−fj(x)q)qL_q(f(x),e_j)=\frac{(1-f_j(x)^q)}{q}Lq(f(x),ej)=q(1−fj(x)q)MAE损失定义如下:LMAE(f(x),ej)=2(1−fj(原创 2022-04-18 09:44:40 · 2663 阅读 · 3 评论 -
衡量子空间相似度和距离的主角 principal angles
描述principal angles的文献有以下两篇:1 Principal Angles Between Subspaces andTheir Tangents:https://merl.com/publications/docs/TR2012-058.pdf2 PRINCIPAL ANGLES BETWEEN SUBSPACES IN AN A-BASED SCALAR PRODUCT: ALGORITHMS AND PERTURBATION ESTIMATES...原创 2021-05-08 22:22:05 · 3102 阅读 · 1 评论 -
机器学习常用的概率分布距离度量
https://zhuanlan.zhihu.com/p/108035708原创 2021-01-22 21:05:42 · 504 阅读 · 0 评论 -
随机傅里叶特征
https://www.cnblogs.com/kailugaji/p/12383393.htmlhttps://murongxixi.github.io/2013/12/18/%E6%A0%B8%E8%BF%91%E4%BC%BC%EF%BC%9A%E9%9A%8F%E6%9C%BAFourier%E7%89%B9%E5%BE%81/原创 2020-06-13 20:33:28 · 1171 阅读 · 0 评论 -
行人重识别分类总结
一.总体说明行人重识别,可以简化为这样的过程:将原始图片数据进行特征提取,之后送入目标函数并对其进行优化。这个过程涉及三个重要部分:数据、特征、目标函数。因此将REID方法,根据研究的关注点,分为三类。分别别是基于数据的研究、基于特征的研究和基于目标函数的研究。我们定义:行人重识别的目的是在某个数据集上进行测试时,使得性能尽量的好。(rank 1 , mAP)分类如下: 1 数据:指真实意义上的图片images,分类依据是研究侧重点在数据的准备上 2 特征:指经过CNN后...原创 2020-06-09 13:57:03 · 1516 阅读 · 1 评论 -
关于余弦距离的思考
在做特征之间的距离度量的时候,可以使用欧式距离,也可以使用余弦距离,那么如果是余弦距离的话,异类之间的距离,将距离的目标设置为0,还是设置为-1作为目标距离比较好呢?这是一个问题,我就以此为探究点,做一下实验。试验结束后写答案。...原创 2020-06-05 20:42:27 · 195 阅读 · 0 评论 -
利用三次多项式对波士顿房价数据进行房价预测,python实现boston housing price 预测
先不啰嗦,上代码:import numpy as npcol = [i for i in range(13)]features = np.loadtxt('Boston-Housing-Price.csv',delimiter=',',usecols=(col)) #read featuresprices = np.loadtxt('Boston-Housing-Price.csv...原创 2020-04-14 19:30:09 · 1134 阅读 · 0 评论 -
利用kmeans对iris数据集进行分类,kmeans聚类算法实例
上课,老师让做作业,kmeans分类,将iris进行聚类分类,于是就做了这个作业。很简单,我就将其设置为分三类,重点是我在选择初始center的时候,尝试了使用随机选取和使用大招选取两种方式,随机选择初始点的效果不如放大招。这个大招是这样的:先随机选取一个作为center1,再选取一个距离这个center1最远的点作为center2,再选择一个距离center1和center2最远的点作为cent...原创 2020-04-14 19:25:04 · 12177 阅读 · 2 评论