机器学习 OpenCV智能识别

别急我们先了解下机器学习的基本概念：

机器学习：

机器学习的主要流程就是神经网络架构,由神经元组成,神经元通过神经元公式

f(sum(x * w ) + b) 输入特征 乘以 输入权重 求和 加上 偏差 再过一下激活函数最后就会出现一个结果。

第一原则：输入的特征 和 预测结果存在因果关系， 没有因果关系就是脏数据会影响机器学习

的预测结果。

神经元公式：f(sum(x * w ) + b)

假设结果为10 数据可能为 特征 x = 2 权重 w = 4 偏差 b=2 算出结果为 10。

含义：

x : 特征

特征的选取：

机器学习最关键的是特征的提取。 比如我要识别螃蟹，就不能以颜色作为螃蟹的特征，

因为在于螃蟹不是只有一种颜色。不能想训练什么就无脑的往里面灌数据，神经元公式有一个最最

大的前提就是 。 参数和特征必须有因果关系。我以颜色作为螃蟹的特征，进行识别所有的螃蟹

都是红色的，这显然是不对的，所以这两个没有因果关系。比如我可以把特征改为,八条腿或者横着走。然后得出结论所有的螃蟹都有八条腿，这显然是存在因果关系的。最忌讳的是特征提取不明显，就不停的给他传，这样会严重影响他的判断,出现脏数据。

w: 权重

所有的特征都不是平行关系，都有优先级。 比如我要识别螃蟹 特征1 是八条腿

特征2 是横着走 。 两者相比横着走大权重值更的一些，因为蜘蛛、章鱼、等一些生物都是八条腿。

如果把八条腿设为权重最高，那他可能识别蜘蛛的时候,把螃蟹也识别出来。说白了他就是根据

特征的占比设置出一个权重值。 w越高代表权重越