- 博客(46)
- 收藏
- 关注
RSS订阅原创 OpenCV基本操作
Day46OpenCV基本操作图片读取视频读取截取部分图像颜色通道提取边界填充数值计算图像融合图像处理图像平滑加噪声均值滤波方框滤波1方框滤波2高斯滤波中值滤波展示所有形态学处理腐蚀操作膨胀操作开运算闭运算梯度运算礼帽黑帽边缘检测sobelscharr、laplaciancanny高斯金字塔拉普拉斯金字塔图像轮廓轮廓近似边界矩形外接圆模板匹配匹配多个对象直方图mask操作均衡化自适应直方图均衡化傅里叶变换 OpenCV基本操作 import cv2 from matplotlib import pyplot
2021-06-02 09:45:39
393
2
原创 非深度学习的图像分割及人脸检测
Day43非深度学习的图像分割及人脸检测图像分割基于阈值、边缘基于区域、图论分水岭算法Graph CutsGrabCut人脸检测Haar-like特征+级联分类器行人检测HOG+SVMDPM 非深度学习的图像分割及人脸检测 图像分割 基于阈值、边缘 基于区域、图论 分水岭算法 Graph Cuts GrabCut 人脸检测 Haar-like特征+级联分类器 : # [0~255]
2021-04-26 14:34:45
534
原创 Tf.keras的部分API
Day37Tf.keras的部分APIMetricsCompilekeras快速自定义保存、加载模型save_weightssavesaved_model Tf.keras的部分API Metrics import tensorflow as tf from tensorflow.keras import datasets, layers, optimizers, Sequential, metrics def preprocess(x, y): x = tf.cast(x, dtyp
2021-04-26 11:29:26
324
原创 Tensorboard可视化
Day36Tensorboard可视化简介代码 Tensorboard可视化 简介 https://www.cnblogs.com/nxf-rabbit75/p/10635563.html. 代码 tensorboard --logdir logs（logs是自建的文件夹） tensorflow没有这种仪表盘的显示很不方便 代码片 import tensorflow as tf from tensorflow.keras import datasets, layers, opt
2021-04-25 15:01:30
199
原创 手写数字识别/fashion_mnist
Day35手写数字识别/fashion_mnist 手写数字识别/fashion_mnist import tensorflow as tf from tensorflow import keras from tensorflow.keras import datasets, layers, optimizers, Sequential, metrics def preprocess(x, y): x = tf.cast(x, dtype=tf.float32) / 255. y = tf
2021-04-25 13:57:00
236
原创 tensorflow入门测试代码
Day34tensorflow入门初识张量前向传播合并与分割数据统计张量排序张量填充与复制张量限幅进阶数据集加载全连接层MSE、EntropyGradient tensorflow入门 初识 import tensorflow as tf from tensorflow.keras import datasets, layers, optimizers import numpy as np from tensorflow import keras from keras.layers.embeddings i
2021-04-25 13:54:13
992
2
原创 Generation
Day32GenerationDynamic Conditional GenerationMemory NetworkNeural Turing MachineScheduled SamplingBeam Search Generation Dynamic Conditional Generation Memory Network 方式一 方式二 Neural Turing Machine k对应产生attention 下图中，上是根据实际情况纠正，下是根据模型情况
2021-04-08 17:28:20
236
原创 Unsupervised Learning
Day31Unsupervised LearningLinear MethodPCAReferenceNeighbor EmbeddingAuto-encoderDeep GenerationPixelRNNAuto-encoderVAEGAN Unsupervised Learning Linear Method PCA Reference Neighbor Embedding Auto-encoder 经历encode和decode时(尽可能前后
2021-03-29 16:10:24
180
原创 Deep Reinforcement Learning
Day30Deep Reinforcement Learning Deep Reinforcement Learning
2021-03-22 17:55:57
151
原创 半监督学习
Day28Semi-supervisedGraph-based Approach Semi-supervised Graph-based Approach
2021-03-17 09:36:03
173
原创 神经网络超简短介绍
Day27CNN基本介绍RNNLSTM CNN 基本介绍 循环神经网络模型（RNN）是一种节点定向连接成环的人工神经网络，是一种反馈神经网络，RNN利用内部的记忆来处理任意时序的输入序列，并且在其处理单元之间既有内部的反馈连接又有前馈连接，这使得RNN可以更加容易处理不分段的文本等。但是由于RNN只能对部分序列进行记忆，所以在长序列上表现远不如短序列，造成了一旦序列过长便使得准确率下降的结果。 长短期记忆模型（LSTM）是RNN模型的一种特殊结构类型，其增加了输入门、输出门、忘记门三个控制单元（“ce
2021-03-11 22:01:49
291
原创 深度学习之前后向传播
Day26背景知识梯度下降链式法则前向传播和后向传播前向传播后向传播 背景知识 梯度下降 链式法则 前向传播和后向传播 根本目的就是找C对w的偏微分 前向传播 后向传播
2021-03-02 22:53:18
210
原创 深度学习之梯度下降
Day25梯度下降基本概念学习率Adagrad随机梯度下降Scaling泰勒展开二个参数情形 梯度下降 基本概念 学习率 Adagrad 随机梯度下降 Scaling 泰勒展开 二个参数情形
2021-02-28 16:37:05
194
原创 主题模型
Day23主题模型数学基础Γ函数Beta分布共轭先验分布Dirichlet分布LDA 主题模型 数学基础 Γ函数 Beta分布 共轭先验分布 如果先验分布和似然函数可以使得先验分布和后验分布（posterior distributions）有相同的形式，那么就称先验分布与似然函数是共轭的。所以，共轭是指的先验分布(prior probability distribution)和似然函数(likelihood function)。如果某个随机变量Θ的后验概率 p(θ|x)和气先验概率p(θ)属于同一个
2021-02-08 14:36:52
198
原创 聚类杂谈
Day20聚类杂谈距离/相似度核心思想K-Means聚类衡量标准轮廓系数 聚类杂谈 距离/相似度 核心思想 K-Means 注：原始K-means算法最开始随机选取数据集中K个点作为聚类中心， 而K-means++按照如下的思想选取K个聚类中心： 假设已经选取了n个初始聚类中心(0<n<K)，则在选取第n+1个聚类中心时：距离当前n个聚类中心越远的点会有更高的概率被选为第n+1个聚类中心。 在选取第一个聚类中心(n=1)时同样通过随机的方法。 聚类衡量标准 轮廓系数
2021-01-30 17:41:10
238
原创 SVM
Day19SVM数据概念目标函数例子松弛条件核函数 SVM 数据 概念 目标函数 注：(wx+b)/∣∣w∣∣是x这个点到wx+b=0这条直线距离 (wx+b)/||w||是x这个点到wx+b=0这条直线距离 (wx+b)/∣∣w∣∣是x这个点到wx+b=0这条直线距离 mFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1cxbmRf,size_16,color_FFFFFF,t_70) 例子 松弛条件
2021-01-25 23:26:57
161
原创 提升杂谈
Day18提升杂谈概念推导学习率搜索GBDTXGBOOSTADABOOST例子误差上限和界后话 提升杂谈 概念 推导 学习率搜索 GBDT XGBOOST 注：XGBoost着重于改变分类器的权重 ADABOOST 注：Adaboost改变样本权重的特性使之在训练集能得到较好结果，测试集则不一定 例子 误差上限和界 后话 ...
2021-01-24 00:18:02
193
原创 分类杂谈
Day17分类杂谈熵条件熵联合熵相对熵整理KL散度信息增益Gini系数 分类杂谈 熵 条件熵 联合熵 相对熵 整理 KL散度 信息增益 Gini系数
2021-01-18 22:55:09
154
原创 回归杂谈
Day16回归杂谈线性回归局部加权回归Logistic回归广义线性模型GLMSoftmax回归AUC 回归杂谈 线性回归 局部加权回归 Logistic回归 广义线性模型GLM Softmax回归 AUC
2021-01-13 22:41:20
149
原创 正则化与梯度下降
Day15正则化与梯度下降正则化图示求解梯度下降 正则化与梯度下降 正则化 图示 求解 梯度下降 L1L2正则化: https://blog.youkuaiyun.com/red_stone1/article/details/80755144.
2021-01-12 21:53:58
2055
原创 最大似然估计
Day14最大似然估计贝叶斯公式带来的思考定义例子二项分布正态分布 最大似然估计 贝叶斯公式带来的思考 定义 例子 二项分布 正态分布
2021-01-11 22:12:13
153
原创 机器学习之回归算法2
Day13机器学习之回归算法2模型的保存和加载逻辑回归公式损失函数代码实现优缺点逻辑回归与朴素贝叶斯对比聚类评估准则Kmeans优缺点代码实现 机器学习之回归算法2 模型的保存和加载 逻辑回归 公式 损失函数 代码实现 import pandas as pd import numpy as np from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler fr
2021-01-10 23:43:39
230
原创 机器学习之回归算法1
Day12机器学习之回归算法1线性回归定义损失函数求解过拟合和欠拟合岭回归代码实现 机器学习之回归算法1 线性回归 定义 损失函数 求解 正常求解 梯度下降 比较 过拟合和欠拟合 岭回归 代码实现 from sklearn.datasets import load_boston from sklearn.linear_model import LinearRegression, SGDRegressor, Ridge from sklearn.model_selection impo
2021-01-10 20:22:53
300
原创 机器学习之分类算法2
Day11机器学习之分类算法2决策树信息论基础信息增益信息熵信息增益的计算常见决策树算法决策树结构与本地保存随机森林集成学习随机森林API优点代码实现 机器学习之分类算法2 决策树 信息论基础 信息增益 信息熵 注：此处的log都是2为底 信息增益的计算 常见决策树算法 基尼系数划分更细致 criterion：默认gini，也可entropy 决策树结构与本地保存 随机森林 集成学习 随机森林API 注：单颗树是随机有放回抽样 优点 代码实现 from sklearn.feature_ex
2021-01-10 16:05:25
287
原创 机器学习之分类算法1
Day10机器学习之分类算法k-近邻算法(KNN)朴素贝叶斯代码实现混淆矩阵精确率和召回率F1-score交叉验证超参数搜索-网格搜索 机器学习之分类算法 k-近邻算法(KNN) 定义：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近的样本中的大多数属于某一个类别)，则该样本属于这个类别 ps：k取值很小时容易受异常点影响，取值很大时容易受k值数量影响 优点：易于实现，无需估计参数，无需训练 缺点：懒惰算法，内存开销大；必须指定k值，k值指定不当则不能保证精度 使用场景：小数据场景，几千到几万样本
2021-01-07 23:45:59
266
原创 机器学习之降维
Day9机器学习之降维机器学习算法分类特征选择主成分分析PCAsklearn数据集API介绍 机器学习之降维 机器学习算法分类 监督学习 分类 k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络 回归 线性回归、岭回归 无监督学习 聚类 k-means 特征选择 特征选择是单纯从提取到的所有特征中选择部分特征作为训练集特征，特征再选择前和选择后可以改变也可以不改变值，但选择后特征维度比之前小 主要方法：过滤式(VarianceThreshold)、嵌入式(正则
2021-01-07 20:24:35
162
原创 机器学习之特征工程
Day8机器学习之特征工程定义预处理代码 机器学习之特征工程 定义 特征工程是将原始数据转化为更好代表预测模型的潜在问题的特征的过程，从而提高了对位置数据的预测准确性。其包括特征构建、特征提取、特征选择三部分。数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已，成功的结果往往源自最开始对数据的处理。 TF-IDF TF: term frequency，词的频率，即出现的次数 IDF: inverse document frequency，逆文档频率，log(总文档数量/该词出现的文档数量)
2021-01-06 16:12:18
188
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人