- 博客(15)
- 收藏
- 关注
RSS订阅原创 特征工程
对于一个机器学习，数据和特征决定了结果的上限，而模型、算法的选择及优化则是在逐步接近这个上限。特征工程是对原始数据进行一系列工程处理，将其提炼为特征，作为输入供算法和模型使用。从本质上说，特征工程是一个表示和展现数据的过程。在实际工作中，特征工程旨在去除原始数据中的杂质和冗余，设计更高效的特征以刻画求解的问题与预测模型之间的关系。特征归一化目的1、为了消除数据特征之间的量纲影响，需要对...
2020-03-26 20:08:46
417
原创 支持向量机
SVM有三宝：间隔，对偶，核技巧间隔与支持向量给定训练集样本，分类学习最基本的想法就是基于训练集D在样本空间找到一个划分超平面，将不同类别的样本分开。但能将训练样本分开的超平面可能有很多，如何确定哪一个是最优的？在样本空间中，划分超平面可通过如下线性方程来描述：划分超平面可被法向量w和位移b确定。样本空间中任意点x到超平面(w,b)的距离为：假如超平面(w,b)能将训练样本正确分类...
2020-03-24 13:23:56
424
原创 方差与偏差和集成学习
集成学习分类boosting特点串行，各个基分类器之间有依赖作用boosting:提升，作用是每一次训练的时候都对上一次的训练进行改进提升，在训练的过程中，这K个“专家”之间是有依赖性的，当引入第K个专家（第K个分类器）的时候，实际上是对前K-1个专家的优化。基本思路将基分类器层层叠加，每一层在训练的时候，对前一层基分类器分错的样本，给予更高的权重。测试时，根据各层分类器的结果的加权...
2020-03-21 20:52:48
828
原创 逻辑回归
逻辑回归和线性回归的异同1.处理问题不同逻辑回归处理的是分类问题线性回归处理的是回归问题逻辑回归中因变量取值是一个二元分布，模型学习得出的是表示给定自变量和超参数后，得到因变量的期望，并基于此期望来处理预测分类的问题。线性回归中实际上求解的是是对假设的真实关系的一个近似，使用这个近似项来处理回归问题。2.因变量逻辑回归中因变量是离散的，线性回归中因变量是连续的相同之处都是使用极...
2020-03-19 18:31:49
453
原创 决策树
特点：自上而下，有监督学习，常被用于分类和回归作用：对样本数据进行树形分类的过程构成：结点和有向边。结点：内部结点和叶结点，内部结点：一个特征或属性；叶结点：类别。过程：从顶部根结点开始，所有样本聚在一起，经过根结点的划分，样本被分到不同的子结点中，再根据子结点的特征进一步划分，直至所有样本都被归到某一个类别（即叶结点）中。决策树的生成包含：特征选择、树的构造、树的剪枝三个过程完全生长...
2020-03-14 18:33:39
298
原创 K-means和KNN
K-means属于非监督学习非监督学习特点：输入数据没有标签信息，需要通过算法模型来挖掘数据内在的结构和模式主要包括：数据聚类和特征变量关联数据聚类：通过多次迭代来找到数据的最优分割特征变量关联：利用各种相关性分析方法来找到变量之间的关系分类问题（如支持向量机、逻辑回归、决策树等）属于监督学习，而聚类是非监督学习K均值聚类（K-Means）最基本和最常用的聚类算法基本思想...
2020-03-13 18:05:48
322
原创 冒泡排序及其优化
冒泡排序及其优化冒泡排序优化3public static void sort(int array[]){ int lastExchangeIndex = 0;//最后一次交换的位置 int sortBorder = array.length - 1;//无序数列的边界，每次比较到这里为止 for(int i = 0; i < array.length - 1; i++) { ...
2020-03-13 14:27:43
79
原创 c++笔记string
string类的字符操作const char &operator[](int n)const;const char &at(int n)const;char &operator[](int n);char &at(int n);截取#include<string>#include<iostream>using na...
2020-03-12 20:01:39
160
原创 数字图像处理读书笔记之彩色图像处理
彩色图像+处理可分为两个主要领域：全彩色处理和伪彩色处理一、彩色基础灰度级：提供一个亮度的标量度量，范围从黑色到灰色最终到白色用来描述彩色光源质量的3个基本量是辐射，光强和亮度。辐射：从光源流出的能量的总量，通常用瓦特W来度量光强：用流明来度量，给出观察者从光源感知的能量总和的度量亮度：主观描述子，实际上不可度量。体现了无色强度的概念，并且是描述色彩感觉的一个关键因素。通常用以区别...
2020-03-10 13:26:07
709
原创 旋转数组查找
题目：给定一个排序数组nums(nums中有无重复元素)，且nums可能以某个未知下标旋转，给定目标值target，求target是否在nums中出现，若出现返回下标，未出现返回-1算法思路当target < nums[mid]:if(nums[begin] < nums[mid])(说明==递增区间== [begin,mid-1] ,==旋转区间==为[mid+1,end...
2020-03-09 21:31:51
119
原创 Effective C++之const的用法
条款02 尽量以const,enum, inline替换#define如把#define ASPECT_RATIO 1.653替换为const double AspectRatio = 1.653以常量替换#define特殊情况1. 定义常量指针。将指针（而不是指针所指之物）声明为const例如，若在头文件内定义一个常量的（不变的）char*-based字符串，则必须写两次const...
2020-03-09 14:22:01
180
原创 CCNet: Criss-Cross Attention for Semantic Segmentation论文读书笔记
CCNet: Criss-Cross Attention for Semantic Segmentation读书笔记Criss-Cross Network(CCNet)：作用：用来获得上下文信息，具体来说，对于每一个像素，CCNet中的criss-cross注意模块把水平和竖直方向上的语义信息聚合起来，对局部特征图中的每一个像素的交叉路径上获取所有像素的上下文信息。使用两个连续的交叉注意模块...
2020-03-07 17:48:21
405
原创 空间滤波器
一、平滑滤波器：目的：模糊处理和降低噪声，如在大目标提取之前去除图像中的一些琐碎细节，以及连接直线或曲线的缝隙。1. 平滑线性滤波器：均值滤波器方法：包含在滤波器模板邻域内像素的简单均值，即使用滤波器模板确定的邻域内像素的平均灰度值来代替图像中的每个像素的值。作用：去除图像中的不相关细节，不相关指的是与滤波器模板尺寸相比较小的像素区域。降低了图像灰度的尖锐变化。由于典型的随机噪声由灰度...
2020-03-07 12:12:59
1105
原创 Land-cover classification with high-resolution remote sensing images using transferable deep models
两个问题：1、 深度学习模型的可移植性2、 缺乏注释良好的大型陆地覆盖数据集**主要：**使用patch来进行训练。首先使用源数据预训练好一个ResNet50,之后使用伪标签和relevant sample retrieval的方法得到目标集的标签，并用来微调网络；分割、分类用投票法确定patches的类别。方法：使用有标签的数据训练的深度模型来分辨无标签数据。主要思想：深度卷积网络展示...
2020-03-06 13:27:45
2175
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人