![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能与机器学习
文章平均质量分 85
海绵宝里宝气
这个作者很懒,什么都没留下…
展开
-
[机器学习]决策树选西瓜
文章目录一、决策树1、画法2、决策树的剪枝3、挑西瓜决策树3.1利用信息增益选择最优划分属性二、sk-learn库对西瓜数据集,分别进行ID3、C4.5和CART的算法代码实现1.ID3算法2、C4.5算法3、CART算法三、参考一、决策树在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度,使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。1、画法机器学习中,决策树是一个预测模型;他代表的是对原创 2021-12-28 23:59:17 · 3305 阅读 · 0 评论 -
[机器学习]微笑识别
文章目录一、实验准备二、图片预处理三、划分数据集四、CNN提取人脸识别笑脸和非笑脸1、创建模型2、归一化处理3、数据增强4、创建网络5、单张图片测试6、摄像头实时测试五、Dlib提取人脸特征识别笑脸和非笑脸六、参考链接一、实验准备环境搭建pip install tensorflowpip install keraspip install dlib==19.6.1pip install h5py==2.1注意tensorflow.contrib模块只有只在python3.6或3.7才有使原创 2021-12-28 19:12:13 · 681 阅读 · 1 评论 -
[机器学习]车牌分割
文章目录一、OpenCV+Python车牌字符分割二、代码实现一、OpenCV+Python车牌字符分割车牌号检测大致分为以下四个部分:1.车辆图像获取2.车牌定位3.车牌字符分割4.车牌字符识别处理原理车牌定位需要用到的是图片二值化为黑白后进canny边缘检测后多次进行开运算与闭运算用于消除小块的区域,保留大块的区域,后用cv2.rectangle选取矩形框,从而定位车牌位置 车牌字符的分割前需要准备的是只保留车牌部分,将其他部分均变为黑色背景。这里我采用cv2.grabCut方法,原创 2021-12-27 17:57:03 · 1207 阅读 · 0 评论 -
[机器学习]机器视觉一
文章目录一.比较不同位深度BMP文件二、将原图colorful的PNG文件分别转换为BMP,JPG,GIF 比较大小三、用奇异只分解对图片进行降维处理四、采用图像的开闭运算,检测出2个样本图像中硬币、细胞的个数1、硬币2、 细胞五.采用图像梯度、开闭、轮廓运算等,对图片中的条形码进行定位提取;再调用条码库获得条码字符六、总结七、参考一.比较不同位深度BMP文件从网页上下载一张彩色图片,查看该图片信息,显示位深度24通过电脑画图程序和PS软件,分别将该图片保存为 32位、16位彩色和256色、16色、原创 2021-12-27 17:19:35 · 1584 阅读 · 0 评论 -
[机器学习]建立人脸识别数据集并识别人脸
文章目录一、建立自己的人脸信息库一、建立自己的人脸信息库import cv2import dlibimport osimport sysimport random# 存储位置output_dir = 'D:/mypicture/picture/'size = 64if not os.path.exists(output_dir): os.makedirs(output_dir)# 改变图片的亮度与对比度def relight(img, light=1, bias=0原创 2021-11-26 22:01:12 · 545 阅读 · 0 评论 -
[机器学习]LibSVM处理手工Iris数据集
一、LibSVM简介LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包。 LIBSVM不但提供了编译好的可在Windows系列系统的执行文件,还提供了源代码,方便改进、修改以及在其它操作系统上应用;该软件对SVM所涉及的参数调节相对比较少,提供了很多的默认参数,利用这些默认参数可以解决很多问题;并提供了交互检验(Cross Validation)的功能。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题,包原创 2021-11-24 23:34:52 · 1084 阅读 · 0 评论 -
[嵌入式]汉字字模点阵
一、汉字编码1、区位码在国标 GD2312—80 中规定,所有的国标汉字及符号分配在一个 94 行、94 列的方阵中,方阵的每一行称为一个“区”,编号为 01 区到 94 区,每一列称为一个“位”,编号为01 位到 94 位,方阵中的每一个汉字和符号所在的区号和位号组合在一起形成的四个阿拉伯数字就是它们的“区位码”。区位码的前两位是它的区号,后两位是它的位号。用区位码就可以唯一地确定一个汉字或符号,反过来说,任何一个汉字或符号也都对应着一个唯一的区位码。汉字“母”字的区位码是 3624,表明它在方阵的原创 2021-11-13 23:02:20 · 1683 阅读 · 0 评论 -
[机器学习]初识人脸识别
文章目录一、安装Dlib库最简单的方法二、安装opencv三、实践1、实时采集人脸、保存并绘制68个特征点2、给人脸虚拟P上墨镜参考一、安装Dlib库最简单的方法下载文件,提取码:3690,将文件存放在任意你找得到的位置(我放在了D盘)设置系统环境变量,在path中新建环境变量即你存放资源文件的位置打开命令行窗口输入pip install dlib-19.19.0-cp38-cp38-win_amd64.whlpip install dlib-19.19.0-cp38-cp38-win_am原创 2021-11-13 18:07:12 · 3229 阅读 · 0 评论 -
[机器学习]支持向量机svm
一、支持向量机1、简介支持向量机(support vector machines)是一种二分类模型,它的目的是寻找一个超平面来对样本进行分割,分割的原则是间隔最大化,最终转化为一个凸二次规划问题来求解。由简至繁的模型包括:当训练样本线性可分时,通过硬间隔最大化,学习一个线性可分支持向量机;当训练样本近似线性可分时,通过软间隔最大化,学习一个线性支持向量机;当训练样本线性不可分时,通过核技巧和软间隔最大化,学习一个非线性支持向量机;...原创 2021-11-12 22:09:53 · 214 阅读 · 0 评论 -
[机器学习]线性判别准则与线性分类
文章目录一、线性判别准则(LDA)二、线性分类算法(支持向量机,SVM)一、线性判别准则(LDA)LDA是一种监督学习的降维技术。也就是说它的数据集的每个样本是有类别输出的,这点和PCA不同。PCA是不考虑样本类别输出的无监督降维技术。LDA的思想可以用一句话概括,就是“投影后类内方差最小,类间方差最大”。LDA算法既可以用来降维,又可以用来分类,但是目前来说,主要还是用于降维。在进行图像识别相关的数据分析时,LDA是一个有力的工具。LDA算法的优缺点:这里是引用优点1)在降维过程中可以使用原创 2021-11-07 22:53:38 · 328 阅读 · 0 评论 -
[机器学习] 多元线性回归模型预测房价
文章目录一、线性回归理论基础二、利用Excle进行线性回归分析三、基于statsmodels进行线性回归分析1、导入数据及基础包2、数据清洗3、分析数据4、拟合四、基于Sklearn库实现线性回归1、导入Sklearn库并读取数据文件2、清洗数据再求解一、线性回归理论基础一元线性回归是分析只有一个自变量(自变量x和因变量y)线性相关关系的方法。一元线性回归分析的数学模型为:y = a+bx+ε。使用偏差平方和分别对参数a和参数b求偏导,可以得到线性模型的未知参数a、b的最小二乘估计值,其中,偏差平方和原创 2021-11-01 19:50:46 · 1636 阅读 · 0 评论 -
人工智能与机器学习——基于jupyter notebook的线性回归分析
使用Excel分析身高体重表要使用excel分析数据首先要在文件->选项->加载项->分析工具库打开数据分析功能(默认是没有打开的)选择数据->数据分析->回归选择x,y的值,勾选标准残差和线性拟合图右键拟合图选择现价趋势线->线性->显示公式->显示R的平方值->确定选取20组数据进行分析选取200组数据进行分析选取2000组数据进行分析选取20000组数据进行分析用jupyter notebook编程使用最小二乘法分原创 2021-10-01 21:35:01 · 2261 阅读 · 0 评论