码迷,mamicode.com
首页 >  
搜索关键字:高斯分布 混合高斯分布 聚类 gmm    ( 2168个结果
李宏毅机器学习之概率归回
概率分布 假设每一个随机变量都符合高斯分布,那么根据已有的数据,就可以得到$\mu$ 和$\sigma$ 的估计值,从而得到其分布函数,然后就可以针对预测数据进行预测,针对多维数据,采用高维高斯分布,每一维度都是独立的,并且都符合高斯分布,计算出每一维度的高斯分布函数,可以得到多维高斯分布函数,然后 ...
分类:其他好文   时间:2020-09-12 21:12:57    阅读次数:40
数据结构与算法专题——第四题 字符串相似度
这篇我们看看最长公共子序列的另一个版本,求字符串相似度(编辑距离),我也说过了,这是一个非常实用的算法,在DNA对比,网页聚类等方面都有用武之地。一:概念对于两个字符串A和B,通过基本的增删改将字符串A改成B,或者将B改成A,在改变的过程中使用的最少步骤称之为:编辑距离。比如如下的字符串:我们通过种种操作,痉挛之后编辑距离为3,不知道你看出来了没有?二:解析可能大家觉得有点复杂,不好理解,我试着把
分类:编程语言   时间:2020-09-09 18:58:03    阅读次数:39
10个优秀的数据挖掘工具,一定不要错过
在机器学习的流程中数据挖掘是重要的一环。数据挖掘是从大量数据中提取隐藏的或未知,但可能有用信息的过程。今天给大家介绍10个最强的数据挖掘工具,欢迎小伙伴们收藏起来。1.KNIMEKNIME可以完成常规的数据分析,进行数据挖掘,常见的数据挖掘算法,如回归、分类、聚类等等都有。而且它引入很多大数据组件,如Hive,Spark等等。它还通过模块化的数据流水线概念,集成了机器学习和数据挖掘的各种组件,能够
分类:其他好文   时间:2020-08-24 16:32:14    阅读次数:59
Elasticsearch实战 | 必要的时候,还得空间换时间!
1、应用场景实时数据流通过kafka后,根据业务需求,一部分直接借助kafka-connector入Elasticsearch不同的索引中。另外一部分,则需要先做聚类、分类处理,将聚合出的分类结果存入ES集群的聚类索引中。如下图所示:业务系统的分层结构可分为:接入层、数据处理层、数据存储层、接口层。那么问题来了?我们需要基于聚合(数据处理层)的结果实现检索和聚合分析操作,如何实现更快的检索和更高效
分类:其他好文   时间:2020-08-03 09:46:14    阅读次数:76
基于K-means聚类算法的图像分割 和 基于机器学习的图像二元分类
基于K-means聚类算法的图像分割:https://www.jianshu.com/p/11d7cde4944d 直线检测。。 ...
分类:编程语言   时间:2020-08-03 00:51:15    阅读次数:111
YOLOv3中K-Means聚类出新数据集的Anchor尺寸
YOLOv3中K-Means聚类出新数据集的Anchor尺寸 ...
分类:其他好文   时间:2020-08-02 12:46:49    阅读次数:99
聚类之k-means附代码
import osimport sys as sys#reload(sys)#sys.setdefaultencoding('utf-8')from sklearn.cluster import KMeansfrom sklearn import feature_extractionfrom skl ...
分类:其他好文   时间:2020-07-30 22:01:41    阅读次数:66
CenterNet 数据加载解析
本文主要解读CenterNet如何加载数据,并将标注信息转化为CenterNet规定的高斯分布的形式。 1. YOLOv3和CenterNet流程对比 CenterNet和Anchor-Based的方法不同,以YOLOv3为例,大致梳理一下模型的框架和数据处理流程。 YOLOv3是一个经典的单阶段的 ...
分类:Web程序   时间:2020-07-30 18:23:01    阅读次数:91
数据挖掘导论 完整版+PPT+Python R代码
数据挖掘导论 完整版PDF+PPT+Python R 代码 内容介绍 本书对数据挖掘进行了全面介绍,旨在为读者提供将数据挖掘应用于实际问题所必需的知识。本书涵盖五个主题:数据、分类、关联分析、聚类和异常检测。除异常检测外,每个主题都有两章:前面一章讲述基本概念、代表性算法和评估技术,而后面一章较深入 ...
分类:编程语言   时间:2020-07-23 16:03:17    阅读次数:128
高斯分布|机器学习推导系列(二)
一、概述 假设有以下数据: $$X=(x_{1},x_{1},\cdots ,x_)=\begin x_{1}\ x_{2}\ \vdots \ x_ \end{N \times p}\ 其中x\in \mathbb^且x_\overset{\sim }N(\mu ,\Sigma )\ 则参数\th ...
分类:其他好文   时间:2020-07-22 20:58:47    阅读次数:72
2168条   上一页 1 2 3 4 5 6 ... 217 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!