skye_95的博客

本人正在学习OpenCV中的机器学习模块，在网上查阅了大量资料后，选择了较为简单的入门实例，便于理解机器学习模型训练和用训练好的模型进行预测的实现过程。实例是通过身高和体重来预测人的性别，利用OpenCV中的bp神经网络来实现。代码整理如下：#include <opencv2/core/core.hpp> #include <opencv2/highgui/highgu...

本人正在学习OpenCV中的机器学习模块，在网上查阅了大量资料后，选择了较为简单的入门实例，便于理解机器学习模型训练和用训练好的模型进行预测的实现过程。实例是通过身高和体重来预测人的性别，利用OpenCV中的SVM机器学习模型来实现。代码整理如下：#include <opencv2/core/core.hpp>#include <opencv2/highgui/highg...

如果上班的时候想放松一下，或者直说想偷偷懒，看点和工作无关的网页，这时候万一老板突然出现在背后，会不会感到很难堪呢？有的浏览器设置了boss按键，手快的人还可以切换屏幕，不过总会显得不自然，而且经常搞的手忙脚乱的。一个日本程序员决定自己动手，编写一个一劳永逸的办法，我们来看看他是怎么实现的吧~思路很直接：用网络摄像头自动识别在工位通道走过的人脸，如果确认是老板的话，就用一张写满了代码的...

最近在学习OpenCV中机器学习的相关部分，想了解机器学习中从模型的训练到用模型去预测的具体实现过程，所以做了一个识别别手写数字0和1的简单项目（此文只识别手写数字0和1，如果想识别数字0到9，可以根据示例自己扩展），下面进行详细讲解。这里用两种方式实现，一种是将模型训练和数字识别分别写在两个项目里，逻辑清晰，便于理解训练模型的过程和查看训练的结果；一种是将所有的功能写在一个项目里，可以直接查...

最邻近算法步骤：1.计算已知类别数据集中的点与当前点之间的距离；2.按照距离递增次序排序；3.与当前点距离最小点的类别作为当前点的预测分类。k-近邻算法步骤：1.计算已知类别数据集中的点与当前点之间的距离；2.按照距离递增次序排序；3.选取与当前点距离最小的k个点；4.确定前k个点所在类别的出现频率；5.返回前k个点所出现频率最高的类别作为当前点的预测分类...

1.在终端进入创建的环境，安装ipykernelconda install ipykernel2.将环境写入jupyter notebook的kernel中python -m ipykernel install --user --name 环境名称 --display-name "在jupyter中显示的环境名称"3.在jupyter创建文件时选择对应的环境...

决策树做决策类似于下面的流程图：怎么构建决策树：1.特征选取：选取信息增益（在划分数据集之后信息发生的变化称为信息增益）最高的特征最为最优特征。信息增益越大，特征对最终的分类结果影响也就越大，我们就应该选择对最终分类结果影响最大的那个特征作为我们的分类特征。特征A对训练数据集D的信息增益g(D,A)定义为集合D的经验熵H(D)与特征A给定条件下D的经验条件熵H(D|A)之差：...

当特征和类别有明显的因果关系时，看贝叶斯公式的时候我还能理解，对上号，但是当特征与类别没有明显的因果关系的时，用贝叶斯公式时经常对不上号，条件概率和后验概率傻傻分不清楚，所以特地花时间整理了一番。1.条件概率的推导：由上图可知: 可得： ...