一、MNIST 数据集简介 MNIST 数据集是机器学习领域中非常经典的一个数据集，由 60000 个训练样本和 10000 个测试样本组成，每个样本都是一张 28 * 28 像素的灰度手写数字图片，如下图所示： MNIST 数据集可在 http://yann.lecun.com/exdb/mnis ...
分类：
其他好文 时间：
2020-06-12 21:46:08
阅读次数：
74
图片文字识别-问题描述和流程图 针对识别图片中的文本信息识别，分为文本区域检测，之后是将文本区域的字符分割，分割以后开始进行字符识别。 滑动窗口 滑动窗口是用来定位文字位置、行人位置等。 以行人检测为例子： 1.做滑动窗口前，首先进行预训练（训练样本为固定大小的图片），获得一个能识别行人的模型。 2 ...
分类：
其他好文 时间：
2020-06-06 00:45:06
阅读次数：
54
在无监督学习中，训练样本的标记信息是未知的，目标是通过对无标记的训练样本的学习来揭示数据的内在性质和规律，如数据的聚类特征。聚类试图将数据集中的样本划分为若干个不相交的子集，每个子集称为一个簇。好的聚类结果呈现同一簇的样本尽可能彼此相似，不同簇的样本尽可能不同，换言之，即簇内相似度高且簇间相似度低。 ...
分类：
其他好文 时间：
2020-06-04 01:48:44
阅读次数：
118
存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据 与所属分类的对应关系。输人没有标签的新数据后，将新数据的每个特征与样本集中数据对应的 特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们 只选择样本数据集中前K个最相 ...
分类：
编程语言 时间：
2020-05-21 14:53:03
阅读次数：
56
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 联系：分类与聚类都是通过预处理使得数据能基于一个分析目标而被整理。 区别：分类是有监督，靠的是学习； 聚类无监督，靠的是启发式搜索。 简述什么是监督学习与无监督学习。 有监督学习：事先知道训练样本的标签，通过挖掘将属于不同类别 ...
分类：
其他好文 时间：
2020-05-10 19:00:37
阅读次数：
94
串行生成，只适用二分类（做回归用别的更新公式？） 工作机制： 先从初始训练集中学习一个基学习器 根据基学习器的表现对训练样本分布进行调整，做错的提高权重，对的降低权重 基于调整后的样本分布来训练下一个基学习器 如此反复，直到基学习器数目达到T，最终将这T个基学习器进行加权结合 对训练样本分布调整，主 ...
分类：
其他好文 时间：
2020-05-10 14:50:40
阅读次数：
54
线性判据与回归 线性判据基本概念 生成模型 给定训练样本{$x_n$}，直接在输入空间内学习其概率密度函数p(x) 优势 可以根据p(x)采样新的样本数据(synthetic data) 可以检测出较低概率的数据,实现离群点检测(outlierdetection) 劣势 高维下，需要大量的训练样本才 ...
分类：
其他好文 时间：
2020-05-05 23:48:31
阅读次数：
97
1. 源代码先给出测试的结果，关键点并不是特别准，原因是训练样本数据量太少。 以下给出完整的人脸关键点检测器训练代码。详细的代码解读请看第二部分。 /* faceLandmarksTrain.cppfunction:借助dlib训练自己的人脸关键点检测器(参考dlib/examples/train_ ...
分类：
其他好文 时间：
2020-05-02 18:38:51
阅读次数：
67
1.用自己的话描述一下，什么是逻辑回归，与线性回归对比，有什么不同？ 逻辑回归本质上是一个线性回归模型，是一种用来解决二分类问题的机器学习方法，用于估计某种事物的可能性。 2.自述一下什么是过拟合和欠拟合？ （1）过拟合：其实就是所建的机器学习模型或者是深度学习模型在训练样本中表现得过于优越，太过贴 ...
分类：
编程语言 时间：
2020-04-26 01:26:29
阅读次数：
91
1.用自己的话描述一下，什么是逻辑回归，与线性回归对比，有什么不同？ 逻辑回归和线性回归都是通过把一系列数据点预测计算出一条合适的“线”，将新的数据点映射到这条预测的“线”上，继而做出预测。 2.自述一下什么是过拟合和欠拟合？ 所谓过拟合就是所建的机器学习模型或者是深度学习模型在训练样本中表现得过于 ...
分类：
其他好文 时间：
2020-04-23 20:44:53
阅读次数：
60
