qq_51005828的博客

KNN（k-nearest neighbors）是一种监督学习的分类器，计算样本与所有数据的欧几里得距离，后枚举出k个距离最小的样本labels，从这k个样本中对labels进行投票，从中选择出最多票数的label作为result输出。 本文不涉及KNN的数学推导 参考machine learning in action 程序如下： # 调用需要的第三方库 import numpy as np import operator import os import cv2 # 定义KNN分类器算法 # 函数输入

基于Pytorch的CNN图像分类器，并利用OpenCV进行数据预处理 CNN（卷积神经网络）在图像处理上有很好的表现，AlphaGO使用也是也是CNN，但是AlphaGO去掉pooling（池化）层。 我以简单的二分类器为例，学习应用CNN进行图像分类的过程，从图像处理开始，到训练神经网络。 代码中含有详细注释 数据预处理： #导入库 import os import numpy as np import cv2 # 定义读取图像的函数 def readimg(path): # 使用OpenCV库中的