深度学习
文章平均质量分 89
Coder_preston
这个作者很懒,什么都没留下…
展开
-
【机器学习】TF-IDF词袋模型简介
本文介绍了TF-IDF的基本概念,然后介绍了sklearn 中的具体使用方法,数据的输入输出以及降维处理。了解了这些,基本就可以在实际的业务场景中灵活使用TF-IDF特征 进行机器学习训练了。原创 2023-01-01 16:27:53 · 1366 阅读 · 0 评论 -
【技术分享】一文读不懂线性代数
初学者经常会听到这两个概念,但是可能并没有理解。简单的说, 线性(linear)就是量与量之间按比例,成直线的关系, 非线性(non-linear)表示不按比例, 不成直线的关系。一次函数是线性,其他函数则为非线性。原创 2023-01-01 16:24:07 · 692 阅读 · 0 评论 -
【机器学习】聚类算法 kmeans
kmeans 是一个简单实用的算法, 不过缺点也是比较明显的, 对于形状不规则的点状图,kmeans 的聚类算法效果可能会不好,而且对于kmeans 的模型评估比较难, 不容易找到合适的k值。原创 2022-12-11 22:18:59 · 1471 阅读 · 2 评论 -
【机器学习】一文搞懂标准化,归一化,正则化
归一化(Normalization): 将一列数据变化到某个固定区间(范围)中, 通常, 这个区间是[0,1],广义的讲, 可以是各种区间, 比如映射到[0,1] 也可以映射到其他范围,在图像中可能会映射到[0, 255], 其他情况也有可能映射到[-1,1];最大值最小值的归一化,范围[0,1]均值归一化(Mean normalization), 范围[-1,1]标准化(Standardization): 将数据变换为均值为0,标准差为1的分布。标准化=Xi−μσ。原创 2022-12-09 20:40:56 · 4741 阅读 · 3 评论 -
【机器学习】基于机器学习的反弹shell命令识别
本文介绍一个基于机器学习识别反弹shell的项目。 在主机安全检测中,一般是采用基于原理的方式识别反弹shell, 通过判断socket通信相关特征,可以准确地识别到主机中的反弹shell。 但是在容器场景下,检测反弹shell 的能力,可能会受到容器网络模式的限制,在容器默认运行的bridge 模式下, 是很难通过基于原理的方式识别反弹shell的。bridge模式反弹shell 参考资料https://xz.aliyun.com/t/6727https://help.aliyun.com/docu原创 2022-12-03 12:37:26 · 801 阅读 · 0 评论 -
【机器学习】评价指标 : 准确率,查准率与查全率
在机器学习中,有几个评价指标,今天专门来介绍一下。之前的学习中主要是看模型,学算法,突然有一天发现,机器学习中的一些基本概念还是有点模糊,导致不知道如何综合评价模型的好坏。 这篇文章主要介绍如下几个知识点:介绍正样本 : 属于某一个类别(真值)的样本负样本 : 不属于某一个类别的样本个人理解,正负样本是相对的,取决于机器学习算法开发者。我们想计算一下模型的准确率, 不就是拿 (我们模型猜对的数据个数) / (所有的的数据个数)即 :(TP + TN) / (ALL)当然了, 我们希望原创 2022-12-03 12:35:21 · 2304 阅读 · 0 评论 -
【机器学习】朴素贝叶斯概率模型
朴素贝叶斯算法介绍原创 2022-11-05 12:12:37 · 940 阅读 · 0 评论 -
源码解析|Focal loss
源码简介之前的博文介绍了retinanet的大体思路,然而,如何只是看论文,不看代码,无异于纸上谈兵,很难提升实践能力。下面详细讲解retinanet的源码,github地址为:https://github.com/yhenon/pytorch-retinanet网络的输出backbone一共有两种输出,一种是分类子网络,另一种是回归子网络。注意,在这个目标检测的网络中,提取的特征是多尺度的...原创 2020-01-24 17:18:38 · 830 阅读 · 13 评论 -
表达学习:回顾与新的视角
3.数据如何才能更好地表示3.1 人工智能中表示学习的先验知识在【16】中,我们团队中有一个介绍了AI任务的概念,这种任务对于现有的机器学习算法而言,具有很大的难度,并且这些任务包含复杂却又高度紧凑的依赖性。直接着手数据表示的一个有趣的原因是它可以方便的表达我们所处世界的普遍的先验知识,例如:某一些先验知识并不是针对特定的任务,但是非常有利于一个学习机器解决AI问题。下面是普遍意义上的先验知识...原创 2019-12-30 22:32:36 · 240 阅读 · 0 评论 -
论文阅读|Focal loss
原文标题:Focal Loss for Dense Object Detection概要目标检测主要有两种主流框架,一级检测器(one-stage)和二级检测器(two-stage),一级检测器,结构简单,速度快,但是准确率却远远比不上二级检测器。作者发现主要原因在于前景和背景这两个类别在样本数量上存在很大的不平衡。作者提出了解决这种不平衡的方法,改进了交叉熵损失,使其对容易分类的样本产生抑制...原创 2019-12-30 22:30:02 · 442 阅读 · 0 评论 -
深入理解卷积(卷积核到底要不要翻卷)
前言我最初接触卷积,是在学习tensorflow的时候,其中有一个函数可以实现卷积操作:conv2d()。这个函数实现的功能,简单来说,就是将卷积核在输入的矩阵上平移,对应位置的乘积的和加上一个bias,即为输出。然而,有一天,我突然看到,发现对两个矩阵做卷积运算的时候,作为卷积算子的矩阵要逆时针旋转180度!!!what!!没有人,也没有书,告诉我,卷积除了平移,还有一个翻卷操作。于是,我便开...原创 2019-02-25 15:15:37 · 10388 阅读 · 14 评论