分类器
文章平均质量分 95
九点澡堂子
这个作者很懒,什么都没留下…
展开
-
文本分类任务的基础实现(二)——机器学习部分_分类器_代码介绍
该部分用于文本分类任务的基础实现,主要包括机器学习(ml)和深度学习(dl)两大部分,机器学习部分基于sklearn/lightgbm包实现,深度学习部使用pytorch深度学习框架。机器学习部分主要包含特征工程和分类器两大部分:特征工程部分主要针对文本分类任务的hash/lsa/lda/doc2vec特征提取/特征选择/特征组合/特征构造进行了实现;分类器部分主要有逻辑回归/SVM/...原创 2018-09-12 17:02:49 · 932 阅读 · 0 评论 -
CS231n——机器学习算法————KNN
参考李飞飞cs231n2017课程:http://vision.stanford.edu/teaching/cs231n/2017/syllabus.html1. Nearest Neighbor Classifier1.1 计算方法【L1 distance】:逐个比较图像中所有像素的值,计算误差和d1(I1,I2)=∑p∣I1p−I2p∣d_1 (I_1, I_2) = \sum_{p}...原创 2018-09-24 13:36:25 · 299 阅读 · 0 评论 -
CS231n——机器学习算法——线性分类(上: 线性分类器)
k-Nearest Neighbor分类器存在以下不足:分类器必须记住所有训练数据并将其存储起来,以便于未来测试数据用于比较。这在存储空间上是低效的,数据集的大小很容易就以GB计。对一个测试图像进行分类需要和所有训练图像作比较,算法计算资源耗费高。概述:我们将要实现一种更强大的方法来解决图像分类问题,该方法可以自然地延伸到神经网络和卷积神经网络上。这种方法主要有两部分组成:一个是...原创 2018-09-24 19:53:13 · 16162 阅读 · 4 评论 -
CS231n——机器学习算法——线性分类(中:SVM及其损失函数)
损失函数 Loss function在线性分类(上)笔记中,定义了从图像像素值到所属类别的评分函数(score function),该函数的参数是权重矩阵W。在函数中,数据(xi,yi)(x_i,y_i)(xi,yi)是给定的,不能修改。但是我们可以调整权重矩阵这个参数,使得评分函数的结果与训练数据集中图像的真实类别一致,即评分函数在正确的分类的位置应当得到最高的评分(score)。回到...原创 2018-10-10 17:23:15 · 5305 阅读 · 1 评论 -
CS231n——机器学习算法——线性分类(下:Softmax及其损失函数)
在前两篇笔记中,基于线性分类上,线性分类中继续记笔记。1.介绍Softmax分类器SVM和Softmax分类器是最常用的两个分类器,Softmax的损失函数与SVM的损失函数不同。对于学习过二元逻辑回归分类器的读者来说,Softmax分类器就可以理解为逻辑回归分类器面对多个分类的一般化归纳。SVM将输出f(xi,W)f(x_i,W)f(xi,W)作为每个分类的评分(因为无定标,所以难以直接...原创 2018-10-10 20:18:20 · 8703 阅读 · 5 评论