![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
x_iunknown
这个作者很懒,什么都没留下…
展开
-
理解贝叶斯定理
条件概率先要从条件概率讲起,条件概率,一般记作P(A|B),意思是当B事件发生时,A事件发生的概率。其定义为P(A∣B)=P(A∩B)P(B)P(A|B)=\frac{P(A\cap B)}{P(B)}P(A∣B)=P(B)P(A∩B)其中 P(A∩B)P(A \cap B)P(A∩B) 意思是A和B共同发生的概率,称为联合概率。也可以写作 P(A,B) 或 P(AB)。注意,定义中A与...原创 2018-09-27 21:16:16 · 2880 阅读 · 0 评论 -
朴素贝叶斯分类——大道至简
分类问题已知m个样本 (x1,y1),......(xm,ym)(x^1,y^1), ...... (x^m,y^m)(x1,y1),......(xm,ym),x是特征变量,y是对应的类别。要求一个模型函数h,对于新的样本 xtx^txt,能够尽量准确的预测出 yt=h(xt)y^t = h(x^t)yt=h(xt)。概率角度很多机器学习算法从误差角度来构建模型函数h,也就是先假设一个h...原创 2018-09-29 15:45:08 · 805 阅读 · 0 评论 -
YOLO v1深入理解
YOLO(You Only Look Once)是一种基于深度神经网络的对象识别和定位算法,其最大的特点是运行速度很快,可以用于实时系统。现在YOLO已经发展到v3版本,不过新版本也是在原有版本基础上不断改进演化的,所以本文先分析YOLO v1版本。对象识别和定位输入一张图片,要求输出其中所包含的对象,以及每个对象的位置(包含该对象的矩形框)。对象识别和定位,可以看成两个任务:找到图片中...原创 2018-10-15 21:08:07 · 1964 阅读 · 2 评论 -
YOLOv2 / YOLO9000 深入理解
YOLOv2相对v1版本,在继续保持处理速度的基础上,从预测更准确(Better),速度更快(Faster),识别对象更多(Stronger)这三个方面进行了改进。其中识别更多对象也就是扩展到能够检测9000种不同对象,称之为YOLO9000。关于YOLO v1的内容,请参考 YOLO v1深入理解。下面具体看下YOLO2都做了哪些改进。预测更准确(Better)论文[1]中给出了下面的改进...原创 2018-10-29 21:36:44 · 1045 阅读 · 0 评论