![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
__Watson__
这个作者很懒,什么都没留下…
展开
-
【AP和mAP】
ap、mAP多标签图像分类任务的评价方法史上最易懂AP、mAP计算解析将检测结果按score排序分别介绍top1到top-N的precison和recall绘制recal-precision曲线介绍PR曲线下的面积,即为APmAP即为各个class的AP的平均值mAP@IOU=0.5:0.95 指区间【0.5:0.05:0.95】内10个IOU取值下的mAP的平均值mAP50:指IOU=0.5的判定标准下mAP75:指IOU=0.75的判定标准下mAP area=small | med原创 2020-10-07 21:52:57 · 632 阅读 · 0 评论 -
XGBoost
终于有人说清楚了–XGBoost算法XGBoost原理原创 2020-08-03 21:50:08 · 159 阅读 · 0 评论 -
【NMS】非极大抑制-消除冗余,选出局部最佳
NMS——非极大值抑制深度学习——NMS(非极大抑制)排序:按得分,将所有框进行排序,选择得分最高的框删除:计算其他框与当前得分最高的框的IOU,删除IOU>阈值的框(冗余的框)迭代:保留并标记当前得分最高的框,不进行下一次的排序。回到第一步。...原创 2019-09-18 17:03:11 · 580 阅读 · 1 评论 -
【机器学习】谱聚类
机器学习之谱聚类算法转载 2019-06-09 18:26:28 · 278 阅读 · 0 评论 -
【机器学习】贝叶斯公式及其朴素贝叶斯分类器
推荐帖子带你搞懂朴素贝叶斯分类算法贝叶斯公式MAP最大后验假设贝叶斯最优分类器朴素贝叶斯分类器原创 2019-05-31 20:01:16 · 236 阅读 · 0 评论 -
【机器学习】决策树学习 DecisionTree
【机器学习】决策树(上)——从原理到算法实现原创 2019-05-31 13:28:27 · 183 阅读 · 0 评论 -
【训练集、验证集、测试集、交叉验证】
训练集——教材验证集——作业测试集——考试训练集、验证集、测试集以及交验验证的理解机器学习中训练集、验证集和测试集的作用转载 2019-05-31 09:42:49 · 373 阅读 · 0 评论 -
【Normalization】数据标准化及其主要方式
数据标准化/归一化normalization三种常用数据标准化方法转载 2019-05-30 17:01:42 · 1398 阅读 · 0 评论 -
libsvm的安装和使用【转载】
最近在学习SVM,在matlab上安装和使用Libsvm的过程中遇到了好多问题,在网上查看了许多资料,踩了许多坑。整理一下供大家分享,希望能节省大家在安装过程中的时间。一、安装1.libsvm 下载本人使用windows 10-64bits, Matlab 201...原创 2019-04-05 15:32:46 · 1353 阅读 · 2 评论 -
高斯混合模型GMM与EM算法
高斯混合模型(GMM)和EM算法高斯混合模型(GMM)及其EM算法的理解机器学习笔记(十)EM算法及实践(以混合高斯模型(GMM)为例来次完整的EM)转载 2019-03-24 16:33:43 · 340 阅读 · 0 评论 -
SMO序列最小优化算法
SMO算法转载 2019-03-30 17:27:26 · 612 阅读 · 0 评论 -
支持向量机SVM总结
本质是一个带约束条件的优化问题的一系列转化优化原则是max margin对优化问题进行表述,应用拉格朗日法求解,引入拉格朗日系数α,构造L函数,分别求L对w和b的偏导数,令其等于0,求得w*的最优表达式问题进一步转化,优化问题现在只含有α利用SMO算法求α利用α求解w*通过支持向量(边界上的样本点)求b*支持向量机通俗导论(理解SVM的三层境界)SVM 原理详解,通俗易懂支持...原创 2019-03-30 16:29:01 · 234 阅读 · 0 评论 -
独热编码(one-hot encoding)
原文 https://blog.csdn.net/a595130080/article/details/64442800一、介绍在数据处理和特征工程中,经常会遇到类型数据,如性别分为[男,女](暂不考虑其他。。。。),手机运营商分为[移动,联通,电信]等,我们通常将其转为数值带入模型,如[0,1], [-1,0,1]等,但模型往往默认为连续型数值进行处理,这样其实是违背我们最初设...转载 2019-02-17 20:14:56 · 4911 阅读 · 0 评论