何小义的博客

PS. 因工作繁忙，没时间详细更新博客，先发一段实现代码，后续更新详细实现原理！！！基于fasttext的新闻文本分类实践（python）：import pandas as pdfrom sklearn.metrics import f1_score# 转换为FastText需要的格式train_df = pd.read_csv('../data/train_set.csv', sep='\t', nrows=15000)train_df['label_ft'] = '__label__

目录1. 文本分类之ML方法简介2. one-hot3.Count Vectors4.N-gram5.TF-IDF6.Count Vectors + RidgeClassifier7.TF-IDF + RidgeClassifier8.TF-IDF + 其他ml算法1. 文本分类之ML方法简介（1）机器学习简介 直观定义 ---> 权威定义 ---> 机器学习(Machine Learning, ...

前面已经学习记录了： Datawhale - 入门NLP之新闻文本分类 - task1 赛题理解今天继续学习记录：task2 数据分析，主要是对巡检集的数据进行分析，统计，了解数据整体的分布情况！1 竞赛数据来源 竞赛数据来源，进入天池实验室 -- “零基础入门NLP - 新闻文本分类”： https://tianchi.aliyun.com/competition/entrance/531810/information，然后点击报名参赛，再点击“赛题与数据”...

学习背景本次学习背景是，在datawhale组织中报名学习：入门NLP（以新闻文本分类赛事进行学习）。学习过程中，逐渐记录心得和学习的收获！！！1.赛题理解赛题名称：零基础入门NLP之新闻文本分类。 赛题目标：通过这道赛题走入自然语言处理的世界，接触NLP的预处理、模型构建和模型训练等知识点。 赛题任务：赛题以自然语言处理为背景，要求选手对新闻文本进行分类，这是一个典型的字符识别问题。2.学习目标理解赛题背景与赛题数据 完成赛题报名和数据下载，理解赛题的解题思路3.赛题数据

目录1 总体思想2Gamma变换（图像预处理）3 HOG特征详细解释4 SVM原理简介5 opencv+python代码实现1 总体思想 众所周知，机器学习一般分为算法训练过程，和预测过程，下面就简单描述总体训练和预测思想：1.1 模型训练过程（1）准备一堆训练集，训练集是 “有行人” 和 “没有行人” 的正负样本图（我们设定统一64x128大小），分别若干张。 如图所示，比如： 这是“行人”的正样本图像块 这是“没有行...

PS. 由于本人工作上事情较多，有关于Haar分类器用于人脸检测的学习，已经初步学习并了解原理与过程。 但是暂时没有时间来整理所有知识点的博客。 下面将着重介绍一下几个步骤，然后推荐一些博客。 并附上用haar+级联分类器的方法，opencv+python的实现，用于人脸检测。 后期有空了再补上详细原理步骤！！！！！！一、haar分类器用于人脸检测的几个关键点：1. Haar-like 特征2. Haar-like特征的计算—积分...

1 LBP简介 LBP指局部二值模式(Local Binary Pattern)，是一种用来描述图像局部特征的算子，具有灰度不变性和旋转不变性等显著优点，LBP常应用于人脸识别和目标检测中。 补充知识：1. 灰度不变性：所谓的灰度不变性，指的是光照变化是否会对描述产生影响以上面的8邻域为例， 光照变化是很难改变灰度值83与其周围8个像素的大小关系的。因为光照是一种区域性质的变化， 而不是单像素性质的变化。所以比如...

1. 简介角点：个人理解就是图像中，带角的那些点（也不一定是尖锐的，导数为0的极值点也行）。它通常具有旋转不变性和光照不变性和视角不变性等优点，是图像的重要特征之一。他具有如下特点：2. 算法整体思想：算法的核心是利用局部窗口在图像上进行移动，判断灰度是否发生较大的变化。如果窗口内的灰度值（在梯度图上）都有较大的变化，那么这个窗口所在区域就存在角点。这样就可以将 Harris 角点检测算法分为以下三步：当窗口（局部区域）同时向 x （水平）和 y（垂直） 两个方向移动时，计算窗口内部