- 博客(18)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 目标检测的经典模型
1 R-CNN 模型不使用暴力方法，而是用候选区域方法（region proposal method）,创建目标检测的区域改变了图像领域实现物体检测的模型思路R-CNN是以深度神经网络为基础的物体检测的模型 ，R-CNN在当时以优异的性能令世人瞩目以R-CNN为基点，后续的SPPNet、Fast R-CNN、Faster R-CNN模型都是照着这个物体检测思路。R-CNN模型实现步骤（...
2019-08-30 20:15:56
2649
原创 决策树算法知识要点
1 决策树的基本概念决策树(decision tree ) 是一种基本的分类与回归方法（这里主要讨论用于分类的决策树）；决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程可以认为是 if-then 规则的集合。由决策树的根结点到叶结点的每一条路径构建一条规则路径上内部结点的特征对应着规则的条件，而叶结点的类对应着规则的结论决策树的路径或其对应的if-then 规...
2019-08-24 19:22:25
592
原创 逻辑斯谛回归与最大熵模型
1 逻辑斯谛回归模型逻辑斯谛回归模型是由以下条件概率分布表示的分类模型。P(Y=k∣x)=exp(wk⋅x)1+∑k=1K−1exp(wk⋅x)，k=1,2,...,K−1P(Y=k|x)=\frac{\exp(w_k\cdot x)}{1+\sum_{k=1}^{K-1}\exp(w_k\cdot x)}，k=1,2,...,K-1P(Y=k∣x)=1+∑k=1K−1exp(wk...
2019-08-24 19:21:36
346
转载 Cmd Markdown 数学公式指导手册
#Cmd Markdown 公式指导手册标签： Tutorial2018-03-20 补档：收到很多小伙伴对本文的源文档转载需求，故传了一份 md 文件，请按需 下载 。本文固定链接: https://www.zybuluo.com/codeep/note/163962点击跳转至 Cmd Markdown 简明语法手册 ，立刻开始 Cmd Markdown 编辑阅读器的记录和写...
2019-08-21 23:36:45
398
原创 朴素贝叶斯算法知识要点
1 朴素贝叶斯法典型的生成学习方法。利用训练数据学习P(X∣Y)P(X|Y)P(X∣Y)和P(Y)P(Y)P(Y)的概率估计，从而得到联合概率分布：P(X,Y)=P(Y)P(X∣Y)P(X,Y)=P(Y)P(X|Y)P(X,Y)=P(Y)P(X∣Y)概率估计方法极大似然估计（见3(2)先验概率及条件概率的计算）贝叶斯估计用极大似然估计可能会出现所要估计的概率值为0 的情况。这时会...
2019-08-21 22:30:48
514
原创 k近邻算法知识要点
1 kkk 近邻算法kkk近邻法(k-nearest neighbor, k-NN) 是一种基本的分类与回归方法，这里只讨论分类问题中的k-NN。kkk近邻法的三个基本要素：kkk值的选择、距离度量、分类决策规则。kkk近邻法没有显式的学习过程，实际上利用训练集对特征空间进行划分，并作为其分类的"模型"。kkk近邻算法输入：训练数据集 T={(x1,y1),(x2,y2)...
2019-08-21 15:07:03
887
原创 感知机模型知识要点
1 感知机（perceptron）学习 模型二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取 +1 和 -1 二值；感知机对应于输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型；感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化， 求得感知机模型；感知机学习算法具有简单而易于实现的...
2019-08-21 01:10:34
633
原创 模型的评估与选择
模型评估与模型选择训练误差：模型 Y=f^(X)Y=\hat f(X)Y=f^(X) 关于训练集 TTT 的平均(经验)损失Remp(f^)=1N∑i=1NL(yi,f^(xi))R_{emp}(\hat f)=\frac{1}{N}\sum^{N}_{i=1}L(y_{i},\hat f(x_{i}))Remp(f^)=N1i=1∑NL(yi,f^(xi))测试误差...
2019-08-19 21:11:55
202
原创 机器学习三要素
机器学习三要素方法=模型+策略+算法模型 f(X)f(X)f(X)模型 f(X)f(X)f(X) 的假设空间 F\mathcal{F}F：包含所有可能的条件概率分布或决策函数。假设空间 定义为 决策函数的集合：F={f∣Y=f(X)}\mathcal{F}=\{f|Y=f(X)\}F={f∣Y=f(X)}，其中，XXX 和 YYY 是定义在输入空间 X\mathcal{X}X...
2019-08-19 16:57:54
616
原创 机器学习及监督学习的重要概念理解
机器学习(machine learning)关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。机器学习的主要特点：以计算机及网络为平台以数据为研究对象目的是 对数据进行 预测与分析以方法（算法）为中心，机器学习算法构建模型并应用模型进行预测与分析机器学习是一门交叉学科（是概率论、统计学、信息论、计算理论、最优化理论及计算机科学）机器学习的基...
2019-08-19 12:13:54
1040
原创 卷积神经网络(CNN)基本部件
卷积神经网络由一个或多个卷积层、池化层以及全连接层等组成。与其他深度学习结构相比，卷积神经网络在图像等方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他浅层或深度神经网络，卷积神经网络需要考量的参数更少，使之成为一种颇具吸引力的深度学习结构。文章目录卷积神经网络1 卷积层（Convolutions）2 池化层(Pooling、Subsampling)3 全...
2019-08-14 13:32:43
1838
原创 深层神经网络与优化算法
文章目录1 为什么使用深层网络2 四层网络的前向传播与反向传播2.1 前向传播2.2 反向传播3 参数与超参数3.1 参数2.5.3.2 超参数4 优化遇到的问题4.1 梯度消失4.2 局部最优5 优化遇到的问题5.1 参数初始化策略5.2 批梯度下降算法（Batch Gradient Descent）5.3 小批量梯度下降法（Mini-Batch Gradient Descent）5.4 小批量...
2019-08-13 22:13:35
854
原创 速成教程：TensorFlow如何实现简单的模型训练
简单线性回归训练模型代码import tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL']='2'tf.app.flags.DEFINE_integer("max_step", 200, "训练模型的步数") # 训练步数tf.app.flags.DEFINE_string("model_path", ...
2019-08-10 20:24:08
3504
1
原创 TensorFlow中变量的相关操作
1 变量的创建和初始化import tensorflow as tfx = tf.Variable(5.0,name="x")weights = tf.Variable(tf.random_normal([3, 4], stddev=0.35, seed=1), name="weights")biases = tf.Variable(tf.zeros([4]), name="biases...
2019-08-09 20:34:50
311
原创 TensorFlow中张量的动态形状和静态形状
1 静态形状静态形状 是指当你在创建一个张量或者由操作推导出一个张量时，这个张量的维度是确定的。它是一个元组或列表。tf.Tensor.get_shape()—— 获取Tensor对象的静态形状tf.Tensor.set_shape()—— 更新Tensor对象的静态形状，通常在不能直接推断的情况下使用（1）转换静态形状的时候，1-D到1-D，2-D到2-D，不能跨阶数改变形状（2）对...
2019-08-09 19:06:26
2304
1
原创 TensorFlow中的张量及其相关操作
TensorFlow 的张量就是一个 n 维数组， 类型为tf.Tensor。文章目录1 创建张量1.1 创建固定值张量1.2 创建随机张量2 张量的阶3 张量的类型4 张量的变换4.1 类型的变换4.2 形状的变换5 张量的切片与扩展6 其它张量运算1 创建张量1.1 创建固定值张量操作代码说明全零张量tf.zeros(shape, dtype=tf.floa...
2019-08-09 15:36:56
735
原创 Windows10中Tensorboard“无法访问此网站”解决办法
启动TensorBoard命令（如下），谷歌浏览器中输入http://handsomeboy:6006/无法访问TensorBoardtensorboard --logdir="./summary/"尝试关闭防火墙，修改文件夹的访问权限未果。启动命令添加host选项，奇迹发生了！！！tensorboard --logdir="./summary/" --host=127.0.0.1...
2019-08-08 17:04:17
2126
1
原创 Python中zip函数的使用
关于zipzip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的对象，这样做的好处是节约了不少的内存。我们可以使用 list() 转换来输出列表；如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同；利用 * 号操作符，可以将元组列表解压为元组。示例：a = [1,2,3]b = [4,5,6]c = [4,5,6,7...
2019-08-05 15:19:12
189
ZedGraph测试.zip
2020-07-17
MessageBoxTip.cs
2020-05-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人