概念： 支持向量机(Support Vector Machine) SVM属于一般化线性分类器，这类分类器的特点是他们能够同时最小化经验误差和最大化几何边缘区，因此支持向量机也被称为最大边缘区分类器。 ...
分类：
编程语言 时间：
2018-10-06 00:32:34
阅读次数：
179
概念 随机森林(RandomForest)：随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别数输出的类别的众数而定 优点：适合离散型和连续型的属性数据；对海量数据，尽量避免了过度拟合的问题；对高维数据，不会出现特征选择困难的问题；实现简单，训练速度快，适合 进行分布式计算 1 impo ...
分类：
编程语言 时间：
2018-10-05 23:59:35
阅读次数：
492
Keras 2.2.4 Keras-Applications 1.0.6 Keras-Preprocessing 1.0.5 tensorflow 1.11.0 numpy 1.15.2 pandas 0.23.4 scikit-learn 0.20.0 测试成功 ...
分类：
其他好文 时间：
2018-10-04 18:58:34
阅读次数：
152
1 #include 2 #include 3 4 using namespace cv; 5 using namespace std; 6 7 int main(int argc, char** argv) { 8 String cascadeFilePath = "F:/CMake_bulid/... ...
分类：
其他好文 时间：
2018-10-04 11:01:17
阅读次数：
205
Ensemble learning 集成算法 目的：让机器学习效果更好，单个不行，群殴走起 Bagging：并行 训练多个分类器取平均 全称：bootstrap aggregation（说白了就是并行训练一堆分类器） 最典型的代表就是随机森林啦 随机：数据采样随机，特征选择随机 森林：很多个决策树并 ...
分类：
编程语言 时间：
2018-10-04 10:06:59
阅读次数：
253
k近邻优点：精度高、对异常值不敏感、无数据输入假定；k近邻缺点：计算复杂度高、空间复杂度高import numpy as npimport operatorfrom os import listdir# k近邻分类器def classify0(inx, dataSet, labels, k): da ...
分类：
其他好文 时间：
2018-10-04 09:51:20
阅读次数：
200
在说到人脸检测我们首先会想到利用Harr特征提取和Adaboost分类器进行人脸检测(有兴趣的可以去一看这篇博客第九节、人脸检测之Haar分类器)，其检测效果也是不错的，但是目前人脸检测的应用场景逐渐从室内演变到室外，从单一限定场景发展到广场、车站、地铁口等场景，人脸检测面临的要求越来越高，比如：人 ...
分类：
Web程序 时间：
2018-09-30 23:20:41
阅读次数：
1607
Gradient boosting decision tree 介绍： 首先gbdt 是通过采用加法模型（即基函数的线性组合），以及不断减小训练过程产生的残差来达到将数据分类或者回归的算法。 GBDT训练过程 gbdt通过多轮迭代,每轮迭代产生一个弱分类器，每个分类器在上一轮分类器的残差基础上进行训 ...
分类：
其他好文 时间：
2018-09-29 20:26:08
阅读次数：
234
前言 参考 1.opencv人脸检测训练分类器及其常见问题-译文-Good； 2.FAQ-opencv-haartraining-原文； 3.人脸检测训练心得； 4.opencv_traincascade支持Haar和LBP特征； 5.如何使用opencv自带工具训练分类器； 6.如何使用工具进行训 ...
分类：
其他好文 时间：
2018-09-26 16:11:30
阅读次数：
217
AdaBoost?算法是一种快速人脸检测算法，它将根据弱学习的反馈，适应性地调整假设的错误率，使在效率不降低的情况下，检测正确率得到了很大的提高。 系统在技术上的三个贡献： 1.用简单的Haar-like矩形特征作特征，可快速计算 2.基于AdaBoost的分类器设计 3.采用了Cascade(分级 ...
分类：
编程语言 时间：
2018-09-25 18:01:31
阅读次数：
146
