自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(5)
  • 问答 (7)
  • 收藏
  • 关注

原创 YOLOv5训练及使用(基础详细版)

YOLOv5训练及使用(基础详细版)采集数据集1.标注数据按照https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data的步骤操作,标注标签时,使用makesense.ai(网页直接搜索)整个目录下的所有图片全部选中后上传,如下图所示:然后增加要识别的标签然后点击start project。也可以先点击start project,然后增加标签。标注标签要与之对应标注完一张图片后,进行下一张图片的标注。全部图片标注完成后

2021-08-02 16:31:30 12319 3

原创 线性回归

1 一元线性回归1.1 什么是回归分析回归分析是一种预测性的建模技术,它研究的是因变量(目标)和自变量(预测器)之间的关系。这种技术通常用于预测分析,时间序列模型以及发现变量之间的因果关系。通常使用曲线/线来拟合数据点,目标是使曲线到数据点的距离差异最小。1.2 线性回归线性回归是回归问题中的一种,线性回归假设目标值与特征之间线性相关,即满足一个多元一次方程。如果只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析;如果回归分析中包括两个或两个以上的自变

2021-04-24 21:08:58 266

原创 矩阵分解及Python实现应用实例

矩阵分解及Python实现应用实例矩阵分解矩阵分解:矩阵乘法:公式为R(n,m) = P(n,K)*Q(K,m)。N表示行数,m表示列数。R(5,4)对未打分商品进行预测公式1:R表示真实值,R表示预测值,假设R可以分成两个矩阵相乘,即P(n,K)*Q(K,m)。公式2:r的第i行,第j列的元素值,直观上,p矩阵表示的是N(i属于N)对于K个主题的关系;q矩阵表示的是M(j属于M)对于K个主题的关系;K在10~100之间。2.构造损失函数(loss):(R(i,j) - R(i,j)

2021-04-18 14:56:55 643

原创 梯度下降及Python代码实现房屋价格、一元函数求导实例

梯度下降1.简介梯度下降法是在机器学习和人工智能当中用来递归逼近最小偏差的模型。寻找极小值点,从负梯度方向寻找,当变化值小于一定阈值或完成一定次数时,梯度下降算法结束。2.公式θ=θ0−α∗∂f(θ)∂θ0\theta = \theta_{0} - \alpha*\frac{\partial f(\theta) }{\partial \theta_0}θ=θ0​−α∗∂θ0​∂f(θ)​其中 α\alphaα是步长,也叫作学习率,它决定了在梯度下降迭代时每一步前进的距离。当我们在向极小值点逼近的时

2021-04-16 21:55:16 594

原创 协同过滤算法及python实现

协同过滤算法及python实现1.算法简介协同过滤算法是一种较为著名和常用的推荐算法,它基于对用户历史行为数据的挖掘发现用户的喜好偏向,并预测用户可能喜好的产品进行推荐。也就是常见的“猜你喜欢”,和“购买了该商品的人也喜欢”等功能。它的主要实现由:  ●根据和你有共同喜好的人给你推荐  ●根据你喜欢的物品给你推荐相似物品  ●根据以上条件综合推荐  因此可以得出常用的协同过滤算法分为两种,基于用户的协同过滤算法(user-based collaboratIve filtering),以及基于.

2021-04-15 11:32:12 7865 4

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除