1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词汇出现概率的向量 。 6. 测 ...
分类：
其他好文 时间：
2018-12-06 20:35:31
阅读次数：
106
数据集介绍 共有506个样本，拆分为404个训练样本和102个测试样本 该数据集包含 13 个不同的特征： 1. 人均犯罪率。 2. 占地面积超过 25000 平方英尺的住宅用地所占的比例。 3. 非零售商业用地所占的比例（英亩/城镇）。 4. 查尔斯河虚拟变量（如果大片土地都临近查尔斯河，则为 1 ...
分类：
其他好文 时间：
2018-12-06 20:26:27
阅读次数：
476
朴素贝叶斯应用：垃圾邮件分类 1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词 ...
分类：
其他好文 时间：
2018-12-06 11:05:10
阅读次数：
253
1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词汇出现概率的向量 。 6. 测 ...
分类：
其他好文 时间：
2018-12-03 12:01:18
阅读次数：
169
1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词汇出现概率的向量 。 6. 测 ...
分类：
其他好文 时间：
2018-12-03 12:00:56
阅读次数：
226
综合网上上各种车牌识别方法，总结出一个较为简单的车牌识别方案，采用VS2013+OpenCv2.4.9实现。并且附上可运行的源代码以及测试图片和视频，详细参数设置请参照源代码。识别部分的训练样本见我上传的资源。实现方法(一)检测车辆（基于混合高斯模型的背景差分法）读取视频（avi格式），选定目标区域框用于检测车辆检测车辆，基于混合高斯模型的背景差分法检测前景，经过腐蚀、膨胀后，若像素值大于200的
分类：
其他好文 时间：
2018-11-23 22:31:28
阅读次数：
313
WIFI室内定位-指纹法 在A1区域内每个点上采集四个WiFi的信号数据（信号强度），五点、九点、十六点采样。 5*5=25区域*16数据=400样本，用来训练 样本数 R B G1 G2 1 2 3 4 16 使用什么机器学习模型？ 决策树、SVM（构造超平面）、逻辑回归、等几乎任何方法都可以 传 ...
分类：
其他好文 时间：
2018-11-21 22:17:14
阅读次数：
190
1.简述分类与聚类的联系与区别。 分类技术是一种有指导的学习，即每个训练样本的数据对象已经有类标识，对数据进行判断。 聚类是一种无指导学习。也就是说，聚类是在预先不知道欲划分类的情况下，根据信息相似度原则进行信息聚类的一种方法。 简述什么是监督学习与无监督学习。 监督式学习，能够由训练资料中学到或建 ...
分类：
编程语言 时间：
2018-11-18 22:37:02
阅读次数：
174
支持向量机（support vector machines）是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。由简至繁的模型包括： 当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机； 当训练样本近似线性可分时，通 ...
分类：
其他好文 时间：
2018-11-16 22:33:53
阅读次数：
413
一、 k-近邻法 选择未知样本一定范围内确定个数的K个样本，该K个样本大多数属于某一类型，则未知样本判定为该类型。 粗暴性RNN实现： 适用情况： 1） 样本容量比较大，切各个分类数量差异不大； 2） 类域重叠交叉较多； 缺点： 1）需要存储全部的训练样本，耗内存 2) 计算量较大 3）样本数量少或 ...
分类：
其他好文 时间：
2018-11-12 20:54:48
阅读次数：
352
