柱状图用于反映数值变量的集中趋势，用误差线估计变量的差值统计。理解误差线有助于我们准确的获取柱状图反映的信息，因此打算先介绍一下误差线方面的内容，然后介绍一下利用seaborn库绘制柱状图。 1.误差线的理解 误差线源于统计学，表示数据误差(或不确定性)范围，以更准确的方式呈现数据。当label上有 ...
分类：
其他好文 时间：
2019-05-18 17:13:49
阅读次数：
528
论文阅读——FCOS: Fully Convolutional One-Stage Object Detection 概述 目前anchor-free大热，从DenseBoxes到CornerNet、ExtremeNet，以及最近的FSAF、FoveaBox，避免了复杂的超参数设计，而且具有很好的检 ...
分类：
其他好文 时间：
2019-04-30 15:30:26
阅读次数：
541
基础知识： 支持度：单个项占总项集的百分比，比如薯片的支持度=4/5*100%=80%，可乐的支持度=3/5*100%=60%。 置信度：薯片=>羽毛球的置信度=3/4*100%=75%，可乐=>羽毛球的置信度=3/3*100%=100%。 一、Apriori算法 假设minsupport=0.2， ...
分类：
编程语言 时间：
2019-04-02 16:58:39
阅读次数：
754
我们是通过算法来找到数据之间的关联规则（两个物品之间可能存在很强的相关关系）和频繁项集（经常出现在一起的物品的集合）。 我们是通过支持度和置信度来定义关联规则和频繁项集的 一个项集支持度是指在所有数据集中出现这个项集的概率，项集可能只包含一个选项，也有可能是多个选项的组合。 置信度 针对于啤酒——> ...
分类：
编程语言 时间：
2019-02-24 00:32:13
阅读次数：
326
相关链接 论文地址：https://arxiv.org/abs/1901.08043 论文代码：https://github.com/xingyizhou/ExtremeNet 概述 ExtremeNet是今年（2019）1月23号挂在arxiv上的目标检测论文，是至今为止检测效果最好的单阶段目标检 ...
分类：
Web程序 时间：
2019-02-19 11:39:47
阅读次数：
442
恢复内容开始 1.概念 关联分析：用于发现隐藏在大型数据集中的有意义的联系 项集：0或多个项的集合。例如:{啤酒，尿布，牛奶，花生} 是一个4-项集，意义想象成爸爸去超市买啤酒和花生，给儿子和老婆分别买尿布和牛奶。 关联规则：啤酒->花生，其强度可用支持度和置信度来度量 支持度：一个项集或者规则在所 ...
分类：
编程语言 时间：
2018-11-30 14:03:01
阅读次数：
234
本文主要讲述基于协同训练的半监督算法做文本分类，用三个差异性比较大的分类器对未标注数据进行标注，它们可以进行交叉验证，大大提升了对未标注数据标记的置信度(简单理解就是三个分类器同时对一个未标注数据标记一样的标签，那么这个标签就可信了)，从而提高分类器标注的准确率 ...
分类：
编程语言 时间：
2018-10-20 13:37:08
阅读次数：
213
【火炉炼AI】机器学习016 如何知道SVM模型输出类别的置信度 (本文所使用的Python库和版本号: Python 3.5, Numpy 1.14, scikit learn 0.19, matplotlib 2.2 ) 一般的，对于未知样本，我们通过模型预测出来属于某种类别，往往会给出是这种类 ...
分类：
其他好文 时间：
2018-10-10 14:25:53
阅读次数：
219
1、非极大值抑制步骤 非极大值抑制算法（Non-maximum suppression，NMS）在目标检测中经常用到。我们的检测算法可能对同一目标产生多次检测的结果，非极大值抑制算法可以保证每个目标只检测一次,找到检测效果最好的框。 （1）去除所有预测框置信度于某个阈值的框，这里的阈值选取为0.5。 ...
分类：
其他好文 时间：
2018-09-06 17:59:42
阅读次数：
226
git：https://github.com/linyi0604/Computer-Vision ...
分类：
编程语言 时间：
2018-08-08 17:35:45
阅读次数：
241
