微信号：Custom-Software

传统的聚类分析计算方法主要有如下几种：划分方法、层次方法、基于密度的方法、基于网格的方法、基于模型的方法等。其中K-Means算法是划分方法中的一个经典的算法。1、聚类“类”指的是具有相似性的集合，聚类是指将数据集划分为若干类，使得各个类之内的数据最为相似，而各个类之间的数据相似度差别尽可能的大。对数据集进行聚类划分，属于无监督学习。2、K-MeansK-Means算法是一种简单的迭代型聚类算法，采用距离作为相似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有数值的均值得到

Normalization是数据标准化（归一化，规范化），Batch 可以理解为批量，加起来就是批量标准化。在CNN中，Batch就是训练网络所设定的图片数量batch_size。作用（归一化至：均值0、方差为1）：（1）加速网络收敛速度，可以使用较大的学习率来训练网络（2）改善梯度弥散（3）提高网络的泛化能力（4）BN层一般用在线性层和卷积层后面，而不是放在非线性单元后因为非线性单元的输出分布形状会在训练过程中变化，归一化无法消除他的方差偏移，相反的，全连接和卷积层的输出一般是一个

基于two-stage 的目标检测和基于 one-stage 的目标检测；其中two-stage 的目标检测速度，但准确率低；two-stage 的目标检测速度慢但准确率高，但是目前主要用的还是two-stage 的目标检测。样本包括哪些类别呢？正样本（标签区域内的部分）、负样本（标签区域之外的区域，即图像背景部分）易分正样本（容易分类的正样本）、易分负样本（容易分类的负样本）难分正样本、难分负样本样本不平衡问题？正负样本不均衡（正负样本比例达到 1:1000）和难易样本不均衡（简单

copy()一般被称为：浅复制deepcopy()一般被称为：深复制区别主要涉及到python对于数据的存储方式1 浅cope 只能拷贝父类浅复制并不会产生一个独立的对象单独存在，他只是将原有的数据块打上一个新标签，所以当其中一个标签被改变的时候，数据块就会发生变化，另一个标签也会随之改变。2 深cope 能拷贝所有对象深复制被复制对象完全再复制一遍作为独立的新个体单独存在。所以改变原有被复制对象不会对已经复制出来的新对象产生影响。...

目前我能理解的就是通过卷积计算，不断地把图片中的像素点提取出来，进行特征识别，不同的特征他的像素点不同，因此可以进行图像识别和分类。图片来源于以下链接https://www.sohu.com/a/193921603_470008...

使用 conda install 。。。或者pipinstall。。。1、一般首先推荐使用conda安装，如果conda安装不了的话，再使用pip安装，因为conda会自动的安装相互兼容的包，而pip都是默认安装最新的包，2、已经安装过的包再使用conda和pip安装会覆盖之前安装的；3、pip安装不会安装所有的依赖项只会安装部分依赖项，而conda会安装所有的依赖项只会安装部分依赖项；4、conda安装完成之后会显示安装包的名称，而pip安装不会；5、安装完成之后，使用anac..