- 博客(40)
- 收藏
- 关注
RSS订阅
原创 机器学习回归---概述
概述常见机器学习回归算法，包括：线性模型、支持向量机、K近邻回归、随机森林回归、GBRT、XGBoost，以及模型评价指标。
2024-10-28 21:39:19
2410
1
原创 OpenCV-Python实战（19）——LBPH人脸识别
本文通过学习LBPH人脸识别算法，简要了解人脸识别技术的原理，实现人脸采集、训练人脸模型实现人脸识别。
2025-01-03 20:03:00
859
原创 OpenCV-Python实战（18）——KNN手写数字识别
依据最近的 k 组数据判断聚类结果。目前相邻（K个）数据的分类。目前相邻（K个）数据的距离。将整个数组的长度视为一行。
2025-01-03 08:00:00
476
原创 OpenCV-Python实战（17）——傅里叶变换
函数返回值，含复数的数组（complex，ndarray），含有两个通道，一个是实数部分，一个是虚数部分。函数返回值，含复数的数组（complex，ndarray）。整数序列，输出数组大小，默认为：与原始图像一样大。整数轴，默认为：使用最后2个轴。输入图像的像素矩阵，输入图像的像素矩阵，
2025-01-02 17:40:09
951
原创 OpenCV-Python实战（16）——单/多模板匹配
result：函数返回值，比较结果的数组。image：原始图像。templ：模板图像。平方差匹配法，完全匹配时为0，匹配越差值越大mask：模板使用的掩膜，大小必须与模相同，默认为：None。
2025-01-02 15:13:32
577
原创 OpenCV-Python实战（15）——像素直方图均衡画
histSize：hist（）函数的bins数量，将0~255切割成多少区间。accumulate：是否是多幅图像累加像素值，默认为：False。ranges：像素值范围，一般为0~255或[0,256]。hist：像素值统计结果，数据结构为numpy数组格式。channels：图像通道，一次只能检测一个通道。可以选择是否添加掩膜，默认为：None。可以选择是否添加掩膜，默认为：None。mask：掩膜，默认为：None。图像 BGR 通道的标准差。图像 BGR 通道的均值。images：原始图像。
2025-01-02 11:42:07
832
原创 OpenCV-Python实战（14）——轮廓拟合
函数返回值，（(x,y),(w,h),angle），(x,y)矩形中心点坐标，(w,h)矩形的宽高，angle：旋转角度，正值为顺时针，负值为逆时针。函数返回值，((x,y),(a,b),angle)。最小包围三角形的坐标，[[[230 60]],[[ 39 123]],[[185 269]]]。函数返回值（x,y,w,h）元组，x,y代表矩形的左上角点坐标；closed：是否为封闭轮廓，Ture/False。approx：函数返回值，近视多边形轮廓。center：圆心的下(x,y)坐标。
2024-12-31 16:32:43
476
原创 OpenCV-Python实战（13）——图像轮廓
contours：找到的所有轮廓数组，数组内的元素为轮廓像素点坐标。hierarchy轮廓间的层次关系。image：二值图像（cv2.threshold()）。
2024-12-29 17:08:04
1576
原创 OpenCV-Python实战（12）——图像金字塔
由图可以看出上采样并不能完全还原原图像素点，还原像素点一般以 0 填充，所以图像会变模糊。拉普拉斯金字塔 = 当前层高斯金字塔 - 下一层高斯金字塔上采样结果。目标图像的shape，默认为：宽度和高度为原先的一半。目标图像的shape，默认为：宽度和高度为原先的一半。即高斯金字塔上下采样间丢失的像素点值。边界样式，使用默认即可。边界样式，使用默认即可。
2024-12-29 15:05:01
717
原创 OpenCV-Python实战（11）——边缘检测
通过 X 梯度核与 Y 梯度核求得图像在，水平与垂直方向的梯度。img：目标图像。src：原始图像。ddepth：目标图像深度，-1 代表与原始图像深度相同。dx、dy：x或y 轴方向的求导阶数，可以为：0、1、3 等。0 表示不求导。ksize：Soble核大小。scale：导数计算的缩放系数，默认为：1。delta：常数项，默认为：0。边界样式，使用默认即可。
2024-12-28 17:27:36
1354
原创 OpenCV-Python实战（10）——形态学
内核锚点，默认为：（-1，-1），核中心位置。锚点位置，默认是：（-1，-1），核的中心。锚点位置，默认是：（-1，-1），核的中心。锚点位置，默认是：（-1，-1），核的中心。膨胀操作后的图像 - 腐蚀操作后的图像 =分割图像（当图像连接的不够紧密时）。原始图像 - 开运算图像 = 礼帽运算。边界样式，边界值，使用默认即可。边界样式，边界值，使用默认即可。边界样式，边界值，使用默认即可。先做膨胀操作，在做腐蚀操作。图像沿着边缘向外扩展的操作。可以得到原始图像的噪音点。先做腐蚀，在做膨胀操作。
2024-12-28 16:16:31
1154
原创 OpenCV-Python实战（9）——滤波降噪
img：目标图像。src：原始图像。ddepth：目标图像深度，默认为：-1，与原始图像深度相同。kernel：自定义滤波核，（width，height），Opencv 只提供了单通道矩阵。delta：偏置项。默认为：0。anchor：滤波核锚点，默认为：（-1，-1）核的中心。边界样式，一般填默认即可。import cv2# 可以自行定义更复杂的滤波核。
2024-12-28 14:18:22
889
原创 OpenCV-Python实战（8）——图像变换
执行映射，可以实现图像的翻转、扭曲、变形、或特定区域图片内容的改变。原始图像的三个定位点坐标。（可以是图像的任意三个角坐标）原始图像的四个定位点坐标。（可以是图像的任意四个角坐标）透视相比于倾斜，定义了四个基准点，可以进行非平行变换。用于存放 src 原始图像的 X 坐标、Y 坐标。旋转的中心点坐标（width,height）。（width，height）新图像大小。（width，height）图像大小。变换矩阵，不同变换矩阵的仿射效果不同。倾斜图像对应的三个定位点坐标。倾斜图像对应的四个定位点坐标。
2024-12-27 20:43:04
1393
原创 OpenCV-Python实战（6）——图相运算
一、加法运算1.1 cv2.add()res = cv2.add(img1,img2,dst=None,mask=None,dtype=None)img1、img2：要 add 的图像对象。（shape必须相同）mask：图像掩膜。灰度图（维度为2）。dtype：图像数据类型。add 后像素值最大为255。+ 运算后取255的余数。import cv2import numpy as npB = np.zeros((200,200,3),np.uint8)G = n
2024-12-27 13:51:14
846
原创 OpenCV-Python实战（5）——图形绘制基础
pts：含多边形顶点坐标的Numpy数组 list[]。isClosed：是否封闭，首尾点的坐标相连。矩形的左上角和右下角坐标，格式为元组（）。椭圆偏移角度（长轴与X轴的夹角）。始/终点坐标，格式为元组（）。默认为LINE_8。默认为LINE_8。始/终点的角度0~360。直线颜色，BGR格式。直线颜色，BGR格式。绘图的背景（画布）。绘图的背景（画布）。
2024-12-26 20:19:15
572
原创 OpenCV-Python实战（4）——图像处理基础知识
在 OpenCV 中图像左上角坐标为（0，0），竖直向下为 Y（height）；水平向右为 X（width）。
2024-12-26 17:25:09
366
原创 OpenCV-Python实战（2）——必备的numpy知识
使用numpy模块建立的数组数据类型为ndarray (n-dimension array)。可以使用以下命令调用ndarray的属性。
2024-12-25 21:42:44
427
原创 OpenCV-Python实战（1）——图像or视频文件处理
cv2.imread()函数返回值，如果读取失败则为None。：*.bmp、*.jpg、*.png、*.tiff 等。文件读取方式，默认为：1。函数返回值，如果读取失败则为None。---如：'Lena.png'。：*.mp4 等。
2024-12-25 17:44:48
583
原创 南昌大学(NCU)羽毛球场地预约脚本及APP
在冬天进行羽毛球运动是一个很好的选择，它能帮助你保持身体活力，增强心肺功能，并促进血液循环。但是室友和师弟师妹反应，学校的羽毛球场地有限，手速慢的根本预约不到场地。中午12：00准时开放预约，1秒钟不到，就只剩下08：00-09：00和12：00-13：00的不好的时间段，如果想要预约到晚上19：00-21：00的黄金时间段就需要用脚本了。
2024-12-02 23:18:45
982
8
原创 评估 机器学习 回归模型 的性能和准确度
本文介绍了评估指标（MSE、RMSE、MAE、R^2）以及评估图（真实值与预测值的散点图、预测误差的分布图、学习曲线）
2024-11-02 16:03:52
1615
1
原创 Polynomial Regression（多项式回归）--- 论文实战
多项式回归的主要思想就是通过数据集拟合出多项式回归的方程，并利用多项式回归的方程对新的数据进行预测。多项式回归的方程如下:是因变量；是自变量；是回归系数；n 是多项式阶数；是误差相。损失函数：是样本数量。逻辑回归(Logistic Regression)回归算法的核心步骤如下:1、构造 predict 函数, 采用多项式回归的方程;2、构造 loss 函数, 给定的函数值与模型预测值之差的平方和最小;3、使用最小二乘法和梯度下降法计算最终的拟合参数;4、反复。
2024-11-02 15:14:43
894
原创 Gaussian process Regression（高斯过程回归）--- 论文实战
这篇文章主要是让你快速了解 高斯过程回归 并基于自己的数据集进行回归预测。
2024-11-01 17:00:33
1468
原创 Kernel Ridge Regression（核岭回归）---论文实战
本文介绍了 Kernel Ridge 的背景、原理、并通过论文数据集对其进行实战演练（包括GridSearchCV超参数搜索、cv = 5折 交叉验证 ），发现 Kernel Ridge 比 Ridge 模型更适合此数据集。
2024-11-01 14:04:00
1336
原创 模型解释工具：SHAP --- 论文实战
通过 SHAP 对 XGBoost 模型进行解释，得到两种图。一种是取每个特征的shap values的平均绝对值来获得标准条形图，另一种是每个样本的每个特征的 shap values，并通过颜色可以看到特征值大小与预测影响之间的关系，同时展示其特征值分布。
2024-10-31 20:15:27
3575
4
原创 LGBM Regressor --- 论文实战
基于上海交通大学曾小勤课题组的论文数据，通过 Pearson 相关性分析筛选掉高度相关的2个特征，Ridge 模型 对数据进行训练、预测，并通过GridSearchCV搜索超参数和cv=5的5折交叉验证，最后对结果进行可视化展示。
2024-10-31 16:58:48
636
原创 XGBoost Regressor --- 论文实战
基于上海交通大学曾小勤课题组的论文数据，通过 Pearson 相关性分析筛选掉高度相关的2个特征，Ridge 模型 对数据进行训练、预测，并通过GridSearchCV进行超参数搜索和cv=5的5折交叉验证，最后对结果进行可视化展示。
2024-10-31 14:44:34
624
原创 Gradient Boosting Regressor（GBDT）--- 论文实战
基于上海交通大学曾小勤课题组的论文数据，通过 Pearson 相关性分析筛选掉高度相关的2个特征，GBDT 模型对数据进行训练、预测，并通过 GridSearchCV 进行超参数搜索和cv=5折交叉验证，最后对结果进行可视化展示。
2024-10-31 14:01:18
597
原创 Random Forest Regressor(随机森林) --- 论文实战
基于上海交通大学曾小勤课题组的论文数据，通过 Pearson 相关性分析筛选掉高度相关的2个特征，Random Forest Regressor 模型 对数据进行训练、预测，并得出对应特征的权重Wi，最后对结果进行可视化展示。
2024-10-30 21:16:42
982
原创 Decision Tree Regressor (决策树) --- 论文实战
基于上海交通大学曾小勤课题组的论文数据，通过 Pearson 相关性分析筛选掉高度相关的2个特征，Decision Tree Regressor模型 对数据进行训练、预测，并得出对应特征的权重Wi，最后对结果进行可视化展示。
2024-10-30 20:22:10
686
原创 SVR (支持向量回归) --- 论文复现实战
基于上海交通大学曾小勤课题组的论文数据，通过 Pearson 相关性分析筛选掉高度相关的2个特征，SVR 模型 对数据进行训练、预测，并得出对应特征的权重Wi，最后对结果进行可视化展示。
2024-10-30 19:50:56
648
原创 KNeighbors Regressor（KNN）--- 论文实战
基于上海交通大学曾小勤课题组的论文数据，通过 Pearson 相关性分析筛选掉高度相关的2个特征，KNN 模型 对数据进行训练、预测，并得出对应特征的权重Wi，最后对结果进行可视化展示。
2024-10-30 17:19:32
455
原创 ElasticNet Regressor（弹性网络回归） --- 论文实战
基于上海交通大学曾小勤课题组的论文数据，通过 Pearson 相关性分析筛选掉高度相关的2个特征，ElasticNet 模型 对数据进行训练、预测，并得出对应特征的权重Wi，最后对结果进行可视化展示。
2024-10-30 14:48:16
1039
原创 Ridge Regression（岭回归） --- 论文实战
基于上海交通大学曾小勤课题组的论文数据，通过 Pearson 相关性分析筛选掉高度相关的2个特征，Ridge 模型 对数据进行训练、预测，并通过GridSearchCV搜索超参数和cv=5的5折交叉验证，最后对结果进行可视化展示。
2024-10-30 13:42:36
489
原创 Lasso Regression （Lasso）--- 论文实战
基于上海交通大学曾小勤课题组的论文数据，通过 Pearson 相关性分析筛选掉高度相关的2个特征，Lasso 模型 对数据进行训练、预测，并得出对应特征的权重Wi，最后对结果进行可视化展示。
2024-10-30 00:35:48
680
原创 linear regression（线性回归） --- 论文实战
基于上海交通大学曾小勤课题组的论文数据，通过 Pearson 相关性分析筛选掉高度相关的2个特征，Linear Regression 模型对数据进行训练、预测，并得出对应特征的权重Wi，最后对结果进行可视化展示。
2024-10-29 19:37:09
2352
原创 PyTorch 深度学习框架与编程环境的安装
本文详述了PrTorch深度学习与编程环境的配置过程，包括Pycharm IDE、Anaconda 环境管理平台、NVIDIA驱动、PyTorch-Cuda深度学习框架，及配置过程常见问题解决方法。
2024-10-27 16:46:59
1538
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人