m0_51120713的博客

数字图像与机器视觉基础补充2彩色图像文件转换为灰度文件使用opencv不使用opencv彩色图像(RGB)转为HSV、HSI 格式HSV彩色图像文件转换为灰度文件使用opencvimport cv2 as cvimg = cv.imread('189.png', 1)img_1 = cv.cvtColor(img, cv.COLOR_BGR2GRAY)cv.imshow('gray', img_1)cv.imshow('colour', img)cv.waitKey(0)不使用op

@TOCHOG简介代码# 导入包import numpy as npimport cv2import dlibimport randomfrom sklearn.svm import SVCfrom sklearn.svm import LinearSVCfrom sklearn.pipeline import Pipelineimport osimport joblibfrom sklearn.preprocessing import StandardScaler, Polyno

数字图像与机器视觉基础补充1彩色图片位图文件头查看压缩奇异值分解（SVD）采用图像的开闭运算(腐蚀-膨胀)，检测出2个样本图像中硬币、细胞的个数。硬币细胞采用图像梯度、开闭、轮廓运算等，对图片中的条形码进行定位提取；再调用条码库获得条码字符。参考彩色图片位图文件头查看我用的是notepad++，使用时需要在其查看库里安装HEX-Editor打开bmp文件后点击这个32彩.bmp16彩.bmp16色.bmp256色.bmp单色.bmp压缩奇异值分解（SVD）im

基于LibSVM得到决策函数下载解压导入数据准备训练结果文件数据决策函数参考资料下载LibSVM解压导入我用的是Java，所以导入Java文件夹下的所有文件数据准备训练public class Main { public static void main(String[] args) throws IOException { // write your code here //存放数据以及保存模型文件路径 String filepath

SVM深入理解实现引包函数定义月亮数据集多项式拟合高斯核拟合鸢尾花数据集多项式拟合高斯核拟合参考资料采用多项式分类函数、高斯核函数对鸢尾花、月亮数据集进行SVM训练所得到最终分类决策函数，输出出来。实现引包import numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsfrom sklearn.preprocessing import PolynomialFeatures,StandardScaler

人脸特征提取dlib库简介dlib库的安装dlib库简介一个机器学习的开源库，包含了机器学习的很多算法，使用起来很方便，直接包含头文件即可，并且不依赖于其他库（自带图像编解码库源码）。Dlib可以帮助您创建很多复杂的机器学习方面的软件来帮助解决实际问题。目前Dlib已经被广泛的用在行业和学术领域,包括机器人,嵌入式设备,移动电话和大型高性能计算环境。Dlib是一个使用现代C++技术编写的跨平台的通用库，遵守Boost Software licence. 主要特点如下：完善的文档：每个类每个函数都

线性判别准则与线性分类编程实践线性判别准则（LDA）线性分类算法Sklearn库实现线性判别分析数据集、包导入产生随机数数据集分组月亮数据集进行SVM分类参考资料线性判别准则（LDA）LDA是一种监督学习的降维技术。也就是说它的数据集的每个样本是有类别输出的，这点和PCA不同。PCA是不考虑样本类别输出的无监督降维技术。LDA的思想可以用一句话概括，就是“投影后类内方差最小，类间方差最大”。LDA算法既可以用来降维，又可以用来分类，但是目前来说，主要还是用于降维。在进行图像识别相关的数据分析时，LDA

西瓜决策树-sklearn实现读取数据数据编码ID3算法CART算法基尼指数参考资料读取数据import pandas as pdfrom sklearn.preprocessing import LabelEncoderfrom sklearn.tree import DecisionTreeClassifierdata = pd.read_csv('F:/西瓜数据集.csv',header=None)data数据编码#创建LabelEncoder()对象，用于序列化label =

西瓜决策树-ID3算法ID3决策树算法背景知识数据描述概述代码实现引入包熵拆分数据集选择最优特征寻找最多作为标签生成树初始化画图结果参考资料ID3决策树算法背景知识ID3算法最早是由罗斯昆兰（J. Ross Quinlan）于1975年在悉尼大学提出的一种分类预测算法，算法的核心是“信息熵”。ID3算法通过计算每个属性的信息增益，认为信息增益高的是好属性，每次划分选取信息增益最高的属性为划分标准，重复这个过程，直至生成一个能完美分类训练样例的决策树。决策树是对数据进行分类，以此达到预测的目的。该决策

多元线性回归算法预测房价多元线性回归模型预测房价导入基础包与读取数据数据清洗数据清洗方法数字异常值|Numeric OutlierZ-score函数实现数据分析拟合引入模型建模优化二次建模处理多元共线性Excel简单多元线性回归Sklearn库重做多元线性回归未处理直接求解多元线性回归模型预测房价导入基础包与读取数据import pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as plt

初识线性回归excel线性回归启用excel数据分析20组数据200组数据2000组数据20000组数据请下载身高体重数据集（weights_heights.xls）。1）用excel中数据分析功能做线性回归练习。分别选取20、200、2000（或20000）组数据，进行练习。记录回归方程式、相关系数R2 ;2）用jupyter编程（不借助第三方库），用最小二乘法，重做第1题；3）用jupyter编程，借助skleran，重做第1题。weights_heights(身高-体重数据集).xls