特征： 1.两组及以上对象 2.对象之间的关系 一、排除法 题干条件确定，能够保证题干中的每一句话为真，且选项信息充分，选项中将每一个人的匹配关系均一一列出，考虑排除法。 注意：读一句，排一句。 二、代入法 将选项代入题干，观察选项是否与题干矛盾，若代入后与题干矛盾，则选项错误；若代入后与题干不矛盾 ...
分类：
其他好文 时间：
2021-01-04 11:03:45
阅读次数：
0
http://bilibili.com/video/BV184411Q7Ng?p=6 """ 演示字典的特征抽取， DictVectorizer是一个类的名字 """ from sklearn.feature_extraction import DictVectorizer def dictvec( ...
分类：
其他好文 时间：
2021-01-04 10:54:06
阅读次数：
0
https://www.bilibili.com/video/BV184411Q7Ng?p=12 注解： 这里了的降维不是指数组的维度，不是1维、2维、3维那个维。 注解： 这个是3维的特征转换为2维的特征。 降维就是把样本的特征的数量减少，比如在分辨男女的时候，把每个样本里面的特征肤色去掉。 注解 ...
分类：
其他好文 时间：
2021-01-04 10:53:13
阅读次数：
0
根据前面的卷积过程，我们可以达到特征提取的作用。基本上已经判断出谁是C谁是D。底下可以再进一步做一次池化。数据库连接池记得吧？把很多数据库连接放在一个池子里，想用时挑一个来用。这里做完卷积得到这么多数据，就像池子一样，对于这池子里的数据，我们可以继续做各种各样的操作，比如最大池化或平均池化。最大池化 ...
分类：
其他好文 时间：
2021-01-02 11:29:48
阅读次数：
0
数字图像在进行数学形态滤波去噪时，根据噪声特点可以尝试采用维数由小到大的结构元素来进行处理，进而达到滤除不同噪声的目的。采用数学形态学的多结构元素，可以更多地保持数字图像的几何特征。因此，选择构建串联滤波器来进行图像滤波，就是将同一形状的结构元素按维数从小到大的顺序来对图像进行滤波，如下图所示： 数 ...
分类：
其他好文 时间：
2021-01-02 11:09:48
阅读次数：
0
计算方差特征，协方差矩阵距离的工具箱 Github地址：https://github.com/alexandrebarachant/covariancetoolbox 介绍： #### This toolbox is no longer supported by its author. The co ...
分类：
其他好文 时间：
2021-01-01 12:43:04
阅读次数：
0
vue-drag-resize是一个支持拖拽与缩放的vue插件 特征 轻量级，无依赖性 所有的操作都是可联动的 支持触摸事件 定义元素可拖拽，或者可缩放，或者二者兼有 提供用于调整大小的操作点与操作框 可以按照比例缩放或者不按照比例缩放元素 可限制拖拽的最大与最小值、拖拽的范围是否超出其父元素 可限 ...
分类：
其他好文 时间：
2021-01-01 12:42:50
阅读次数：
0
人工智能主要分支 人工智能,机器学习,深度学习 机器学习是人工智能的一个实现途径,深度学习是机器学习的一个子集. 主要分支介绍 通讯,感知与行动是现代人工智能的三个关键能力,在这里我们将根据这些能力/应用对这三个技术领域进行介绍: (1) 计算机视觉(CV) (2) 自然语言处理(NPL) (3) ...
分类：
其他好文 时间：
2020-12-30 11:01:53
阅读次数：
0
在线性代数（一）中，小夕主要讲解了映射与矩阵的关系；在线性代数（二）中，小夕讲解了映射视角下的特征值与特征向量的物理意义。本文与下一篇会较为透彻的解析一下向量的二范数与一范数，他们在机器学习任务中是最常用，有时甚至是核心的东西哦。首先，来一个俗俗的开篇。向量x的p范数表示如下：由此，p=1、p=2就分别代表1范数和2范数。本文只看p=2的情况。二范数相信大家在大一学线性代数的时候就已经被灌输了“用
分类：
其他好文 时间：
2020-12-29 11:49:08
阅读次数：
0
开篇高能预警！本文前置知识：1、理解特征函数/能量函数、配分函数的概念及其无向图表示，见《逻辑回归到受限玻尔兹曼机》和《解开玻尔兹曼机的封印》；2、理解特征函数形式的逻辑回归模型，见《逻辑回归到最大熵模型》。从逻辑回归出发，我们已经经过了朴素贝叶斯、浅层神经网络、最大熵等分类模型。显然，分类模型是不考虑时间的，仅仅计算当前的一堆特征对应的类别。因此，分类模型是“点状”的模型。想一下，如果我们有一个
分类：
其他好文 时间：
2020-12-29 11:48:54
阅读次数：
0
