机器学习
文章平均质量分 73
ZOEMMM
这个作者很懒,什么都没留下…
展开
-
CART分类与回归树
本周在看关于决策树和Gradient Boosting Machine包含 1. 决策树原理,总结我看的文献的描述(5篇) 2. 决策树生成的算法描述,和代码,参考github,Gradient Boosting Machine 和普通decision tree 区别 3. Gradient Boosting Machine 依赖包的应用和调参。Markdown和扩展Markd...原创 2018-05-29 22:30:16 · 1479 阅读 · 0 评论 -
【机器学习】SVM原理公式推导及常见问题(2)
目录 [TOC]软间隔最大化接着上篇介绍的最基本的支持向量机模型,下面介绍“软间隔”最大化。简单来说,就是对间隔放宽一个系数ξiξi\xi_i目标函数为:minω,b,ξ12||ω||2+C∑i=1Nξiminω,b,ξ12||ω||2+C∑i=1Nξi\min_{\omega,b,\xi} \frac{1}{2}||\omega||^2+C\sum_{i=1}^{N}\xi_i s...原创 2018-08-14 16:42:10 · 309 阅读 · 0 评论 -
【机器学习】SVM原理公式推导和常见问题(1)
目录什么是SVM什么是间隔线性可分SVM的学习思想拉格朗日对偶性学习的对偶算法快捷键Markdown及扩展表格定义列表代码块脚注目录数学公式UML 图:离线写博客浏览器兼容什么是SVM是一种分类模型,求一个能使两类点分布在超平面两侧且间隔最大化的平面。实际中,分为线性可分SVM,线性SVM和非线性SVM。什么是间隔那么如何...原创 2018-08-13 16:29:55 · 2090 阅读 · 0 评论 -
【机器学习】Python数据预处理(1)异常值处理
异常值数据预处理第一步,通常是对异常值的处理。首先,要得到数据的上四分位数和下四分位数,利用np.percentile(),用法如下。import numpy as npx = np.array([[1,2,3],[7,8,9]])Q1 = np.percentile(x,25) # 1st quartileQ3 = np.percentile(x,75) # 3st quartil...原创 2018-08-20 20:55:13 · 6912 阅读 · 2 评论 -
【图像识别】初探数字识别-识别水表示数
读取图片用openCV来读取图片灰度值,matplotlib来显示图片。import matplotlib.pyplot as plt import matplotlib.image as mpimg # mpimg 用于读取图片import numpy as npimport seaborn as snsimport cv2im = mpimg.imread("./201...原创 2018-08-25 11:40:09 · 6130 阅读 · 5 评论 -
【图像识别】初探数字识别-水表(3)
轮廓检测运用OpenCV findContours函数检测水表图像轮廓。原创 2018-09-26 10:31:29 · 9132 阅读 · 12 评论