<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[chenotk的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/chenotk</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; chenotk]]></copyright><item><title><![CDATA[西瓜书笔记（二）：模型评估与选择]]></title><link>https://blog.youkuaiyun.com/chenotk/article/details/119734417</link><guid>https://blog.youkuaiyun.com/chenotk/article/details/119734417</guid><author>chenotk</author><pubDate>Fri, 20 Aug 2021 18:13:37 +0800</pubDate><description><![CDATA[文章目录前言一、模型评估的需要二、测试集的构建方法1.留出法2.交叉验证法总结

前言
去年这个时候考研学习实在是太枯燥了开始重新看的西瓜书，一年都过去了还是没看完嘿嘿，但是考研倒是上岸了。打算最近把看过的内容补一下笔记，就记在这里了，写的什么地方有问题或者路过的好兄弟有什么见解希望不吝赐教。
一、模型评估的需要
在实际应用的机器学习问题上，无论是在训练集上还是新样本上，模型输出的结果和真实值总是有一定的差异存在的。评判模型的一个重要指标便是模型的正确率/错误率（acc/err），但是只通过模型在训练集上的]]></description><category></category></item><item><title><![CDATA[NFL定理_西瓜书学习拓展笔记（一）]]></title><link>https://blog.youkuaiyun.com/chenotk/article/details/108454181</link><guid>https://blog.youkuaiyun.com/chenotk/article/details/108454181</guid><author>chenotk</author><pubDate>Mon, 07 Sep 2020 20:14:47 +0800</pubDate><description><![CDATA[西瓜书也算是听说了很久了，之前看过一点电子版的书一直觉得自己的底子还不太够也就没有去买来系统的学习，虽然但是刚好考研也算是把之前没学好的高数线代概率论全都过了一遍，再加上也学过了一部分专业课的课程了，于是决定考研复习学不进去的时候学点别的放松一下心情吧。
主要的内容都在书上写写划划了，写在这里的东西算是对书上难点的查阅理解总结归纳，有不对的地方还希望发现的朋友能够指正。
第一章 概论
No Free Lunch Theorem（NFL定理）

百度百科：该定理的结论是，由于对所有可能函数的相互补偿，最优化算]]></description><category></category></item><item><title><![CDATA[面向小白BMP文件详细解析]]></title><link>https://blog.youkuaiyun.com/chenotk/article/details/106151499</link><guid>https://blog.youkuaiyun.com/chenotk/article/details/106151499</guid><author>chenotk</author><pubDate>Sun, 17 May 2020 00:51:48 +0800</pubDate><description><![CDATA[最近做实验需要用到一些BMP文件，惭愧的发现自己根本不知道该怎么用，查了查资料更惭愧的发现自己对电脑里面各种文件的储存方式和数据结构一点了解也没有，那就开始学一下记点笔记，如果有错的地方希望看到的朋友不吝赐教。该文章基于另一位博主的Python读取并解析 bmp 文件完成，是对BMP文件的一些学习笔记，有需要具体读取代码的朋友可以去超链接内找寻。
BMP文件
数据在计算机中只能一维储存，一段一维的BMP数据大概就长下面那个样子，对我们来说最为有用的、也就是我们眼睛所看到的图像自身的信息便储存在BMP文件中的]]></description><category></category></item><item><title><![CDATA[图像处理中的边缘检测]]></title><link>https://blog.youkuaiyun.com/chenotk/article/details/105267717</link><guid>https://blog.youkuaiyun.com/chenotk/article/details/105267717</guid><author>chenotk</author><pubDate>Thu, 02 Apr 2020 21:24:59 +0800</pubDate><description><![CDATA[任务要求：实现10种传统的边缘检测方法，包括Canny算子，Sobel算子，Susan算子，Prewitt算子，Laplace算子，普通梯度方法，LOG算子，Marr算子，Kirsch算子，Roberts算子。最终提交成果为一个完整的软件系统，把个人的代码集成进去演示，然后撰写研究报告。

最近图像理解课开始做大作业了，选题选了整合边缘检测方法，复习的同时做一个简单的笔记。
图像的边缘信息主要集...]]></description><category></category></item><item><title><![CDATA[大津法结合Fisher理解笔记]]></title><link>https://blog.youkuaiyun.com/chenotk/article/details/104879221</link><guid>https://blog.youkuaiyun.com/chenotk/article/details/104879221</guid><author>chenotk</author><pubDate>Sun, 15 Mar 2020 15:52:54 +0800</pubDate><description><![CDATA[大津法

百度百科：
在计算机视觉和图像处理中，大津二值化法用来自动对基于聚类的图像进行二值化，或者说，将一个灰度图像退化为二值图像。该算法以大津展之命名。算法假定该图像根据双模直方图（前景像素和背景像素）把包含两类像素，于是它要计算能将两类分开的最佳阈值，使得它们的类内方差最小；由于两两平方距离恒定，所以即它们的类间方差最大。因此，大津二值化法粗略的来说就是一维Fisher判别分析的离散化模拟
...]]></description><category></category></item><item><title><![CDATA[直线霍夫变换笔记]]></title><link>https://blog.youkuaiyun.com/chenotk/article/details/104764429</link><guid>https://blog.youkuaiyun.com/chenotk/article/details/104764429</guid><author>chenotk</author><pubDate>Tue, 10 Mar 2020 00:03:55 +0800</pubDate><description><![CDATA[霍夫变换（Hough）

百度百科
霍夫变换是一种特征检测(feature extraction)，被广泛应用在图像分析（image analysis）、计算机视觉(computer vision)以及数位影像处理(digital image processing)。霍夫变换是用来辨别找出物件中的特征，例如：线条。他的算法流程大致如下，给定一个物件、要辨别的形状的种类，算法会在参数空间(param...]]></description><category></category></item><item><title><![CDATA[沃尔什矩阵与哈达玛矩阵的简单理解与程序式快速生成]]></title><link>https://blog.youkuaiyun.com/chenotk/article/details/104591915</link><guid>https://blog.youkuaiyun.com/chenotk/article/details/104591915</guid><author>chenotk</author><pubDate>Sun, 01 Mar 2020 15:19:21 +0800</pubDate><description><![CDATA[计算机视觉课上讲到了沃尔什变换和哈达玛变换，这沃尔什矩阵的生成公式看着我都脑子疼
而相较于沃尔什矩阵，哈达玛矩阵的生成方式则一目了然，在查阅了一大堆乱七八糟的资料看了各种公式我反正还是没看懂啥原理，但是查到了哈达玛矩阵和沃尔什矩阵之间是有联系的，那抛开公式不谈就可以较好理解的利用哈达玛矩阵生成沃尔什矩阵。

哈达玛矩阵（Hadamard）

百度百科：哈达玛（Hadamard)矩阵是由+1和-1元...]]></description><category></category></item></channel></rss>