码迷,mamicode.com
首页 >  
搜索关键字:分类器    ( 1373个结果
机器学习经典算法详解及Python实现--元算法、AdaBoost
AdaBoost算法有AdaBoost.M1和AdaBoost.M2两种算法,AdaBoost.M1是我们通常所说的Discrete AdaBoost,而AdaBoost.M2是M1的泛化形式。关于AdaBoost算法的一个结论是:当弱分类器算法使用简单的分类方法时,boosting的效果明显地统一地比bagging要好.当弱分类器算法使用C4.5时,boosting比bagging较好,但是没有前者明显。后来又有学者提出了解决多标签问题的AdaBoost.MH和AdaBoost.MR算法,其中AdaBoo...
分类:编程语言   时间:2014-12-04 14:02:17    阅读次数:342
朴素贝叶斯分类器的应用-转载加我的理解注释
生活中很多场合需要用到分类,比如新闻分类、病人分类等等。 本文介绍朴素贝叶斯分类器(Naive Bayes classifier),它是一种简单有效的常用分类算法。 一、病人分类的例子 让我从一个例子开始讲起,你会看到贝叶...
分类:其他好文   时间:2014-12-04 01:12:30    阅读次数:333
AdaBoost算法分析与实现
AdaBoost(自适应boosting,adaptive boosting)算法算法优缺点:优点:泛化错误率低,易编码,可用在绝大部分分类器上,无参数调整缺点:对离群点敏感适用数据类型:数值型和标称型元算法(meta algorithm)在分类问题中,我们可能不会只想用一个分类器,我们会考虑将分类...
分类:编程语言   时间:2014-12-04 00:55:58    阅读次数:399
目标检测之hog(梯度方向直方图)---hog简介0
梯度直方图特征(HOG)是一种对图像局部重叠区域的密集型描述符,它通过计算局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的,而...
分类:其他好文   时间:2014-12-03 15:34:57    阅读次数:295
最近邻分类器(KNN)
介绍最近邻分类器...
分类:其他好文   时间:2014-12-03 14:18:25    阅读次数:375
OpecnCV训练分类器详细整理
本文主要是对下面网址博客中内容的实例操作:http://blog.csdn.net/byxdaz/article/details/4907211在上述博客中,详细的讲述了OpenCV训练分类器的做法。虽然他的步骤很详细,但是不能被人很快的利用到实践中来。所以我归纳这些内容,能够让人很快的动手操作起来...
分类:其他好文   时间:2014-12-03 00:04:07    阅读次数:454
机器学习经典算法详解及Python实现--基于SMO的SVM分类器
支持向量机基本上是最好的有监督学习算法,因其英文名为support vector machine,简称SVM。通俗来讲,它是一种二类分类模型,其基本模型定义为特征空间上的间隔最大的线性分类器,其学习策略便是间隔最大化,最终可转化为一个凸二次规划问题的求解。 本文详述SVM的理论基础,并通过Python实现了该算法。...
分类:编程语言   时间:2014-12-01 14:20:05    阅读次数:279
文通文档影像分类器
需求背景:档案管理在各行业都是一项重要的工作,随着时间的推移,各种纸质档案资料越来越多,档案资料的归档、保存、查阅工作也越来越困难,各行业在档案管理、档案再利用上投入的成本越来越多。随着IT技术的发展,档案影像(电子)化管理被越来越多的用户所接受,通过构建档案影像(电子)化管理系统,用户可以达到以下...
分类:其他好文   时间:2014-11-28 11:44:38    阅读次数:140
Deep Learning Face Representation by Joint Identification-Verification
本文是论文Deep Learning Face Representation by Joint Identification-Verification的阅读笔记。 这篇论文使用deep learning学习特征,使用联合贝叶斯模型作为分类器,选取七组特征分别训练分类器,得到的结果使用SVM进行组合,得到的最终模型在LFW(Labeled Face in the Wild)数据集上的人脸验证任务中,达到了99.15%的准确率,目前排名第一。...
分类:其他好文   时间:2014-11-26 01:27:52    阅读次数:282
理解朴素贝叶斯分类器的三层境界
1.背景 首先,在文章的开头,先提出几个问题,如果这些问题你都答得上来,那么本文你就无需阅读了,或者你阅读的动机纯粹是给本文挑毛病,当然我也无比欢迎,请发送邮件“毛病の朴素贝叶斯”发送至297314262@qq.com,我会认真阅读你的来信。 By the way,如果阅读完本文,你还是无法回答以下问题,那么也请你邮件通知我,我会尽量解答你的疑惑。 朴素贝叶斯分类器中的“朴素”特指此...
分类:其他好文   时间:2014-11-24 01:12:20    阅读次数:215
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!