![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 88
stsdddd
贵有恒,何必三更起五更睡;最无益,只怕一日曝十日寒
展开
-
【 深度学习相关的线性代数知识点】
向量是一个一维数组,可以表示方向和大小。原创 2024-03-08 22:39:37 · 1350 阅读 · 0 评论 -
【目标分类图像增强方法】
目标分类图像增强是一种用于提高深度学习模型泛化能力的技术,通过在训练过程中对原始图像进行各种变换来增加模型所见数据的多样性。原理:将一张图像的一部分替换为另一张图像的相应部分,并更新标签,促进类别间的边界学习。:线性插值两张图像和它们的标签,生成新的训练样本,旨在创建两个类别间的中间过渡样本。原理:水平或垂直翻转图像,模拟镜像效果,提高模型对左右对称性的识别能力。原理:随机擦除图像的部分区域,训练模型关注缺失信息时也能正确分类。原理:随机旋转图像,增加模型对目标物体不同角度的识别能力。原创 2024-03-07 23:00:24 · 1374 阅读 · 0 评论 -
【机器学习核心知识点】
机器学习(Machine Learning)是一种计算机科学技术,它允许系统通过数据学习和改进其性能,而无需显式编程。下面将详细说明几个核心知识点、原理,并提供Python代码示例以帮助理解。确实,在实际应用中,机器学习过程包含了一系列更细致和复杂的工作步骤。特征工程是指通过创造、转换或选择有意义的特征来优化模型性能的过程。:确保不同特征在相似尺度上,以便模型能正确解读。:例如从日期特征中提取星期几、月份等信息。:识别并处理超出正常范围的极端值。:填充或删除含有缺失值的数据。原创 2024-03-05 21:50:13 · 1634 阅读 · 2 评论 -
【K-means聚类】
定义:聚类是一种无监督的机器学习方法,它的主要目的是将数据集中的对象(或点)按照它们之间的相似性分组或聚类。这些聚类(或称为簇)中的对象在某种度量下是相似的,而不同聚类中的对象是不同的。需要注意的是,K-means聚类方法对于初始簇中心的选择很敏感,不同的初始选择可能导致不同的聚类结果。K-means聚类是基于距离的聚类方法,其主要目标是使每个数据点到其所属簇的中心的距离之和最小。确定:基于距离的聚类,目标是使每个数据点到其所属簇的中心的距离之和最小。在给定的数据集中,选择K个初始点作为簇的中心。原创 2024-02-21 19:51:43 · 429 阅读 · 1 评论