分类器

机器学习——朴素贝叶斯

朴素贝叶斯算法或朴素贝叶斯分类器(NaiveBayesClassifier,NBC)发源于古典数学理论，是基于贝叶斯理论与特征条件独立假设的分类方法，通过单独考量每一特
风月雅颂·2023-12-27 18:34

【支持向量机】SVM线性支持向量机学习算法——软间隔最大化支持向量机

它的基本模型是定义在特征空间上的间隔最大的线性分类器。包含线性可分支持向量机、线性支持向量机、非线性支持向量机。
F_D_Z·2023-12-27 15:20

【支持向量机】SVM线性可分支持向量机学习算法——硬间隔最大化支持向量机及例题详解

它的基本模型是定义在特征空间上的间隔最大的线性分类器。包含线性可分支持向量机、线性支持向量机、非线性支持向量机。
F_D_Z·2023-12-27 15:09

32. 深度学习进阶 - Transfer Learning

一个经典的观念是，神经网络其实一共都可以分成两个部分，第一个部分是特征提取，第二个部分是分类器。
茶桁·2023-12-27 09:38

关键点检测 手势动作实时识别项目（基于mediapipe、keras进行实现）

mediapipe、keras进行实现）0、功能展示1、项目原理介绍2、数据集采集脚本3、将采集到的动作数据集利用mediapipe库检测手部关键点信息，转换成数据信息保存到本地4、训练一个效果一般的随机森林分类器
郭庆汝·2023-12-27 08:47

基于Pytorch训练CIFAR-10数据集神经网络分类器

什么是CIFAR-10数据集？CIFAR-10是一个包含了10类，60000张32x32像素彩色图像的数据集。CIFAR-10数据集每类图像有6000张；分为50000张训练数据和10000张测试数据。CIFAR-10数据网址：http://www.cs.toronto.edu/~kriz/cifar.html数据集分为5个训练数据集和1个测试数据集，每个批次10000张图像cifar10数据分批
LabVIEW_Python·2023-12-27 06:53

Web前端备忘录

/*id分类器*/#content{width:200px;height:400px;}/*class分类器*/.icon{width:50px;height:50px;margin:20302030;
茉莉使者·2023-12-26 22:47

朴素贝叶斯

贝叶斯算法是一类算法，这是一类以条件概率的计算为核心进行分类的算法，而朴素贝叶斯算法是其中最简单的概率分类器。
南太湖小蚂蚁·2023-12-26 15:39

工具系列：TensorFlow决策森林_(3)使用dtreeviz可视化

文章目录介绍设置安装TF-DF和dtreeviz导入库可视化分类树加载、清洗和准备数据分割训练/测试集并训练模型训练一个随机森林分类器显示决策树检查叶节点统计信息决策树如何对实例进行分类特征空间划分可视化回归树加载
愤斗的橘子·2023-12-26 14:51

2-7节 k-近邻算法|手写识别系统|机器学习实战-学习笔记

1.KNN项目案例介绍:项目案例2:手写识别系统项目概述:构造一个能识别数字0到9的基于KNN分类器的手写数字识别系统。
努力奋斗的durian·2023-12-26 12:21

目标检测-Two Stage-RCNN

的网络结构及步骤二、RCNN的创新点候选区域法特征提取-CNN网络总结前言在前文：目标检测之序章-类别、必读论文和算法对比（实时更新）已经提到传统的目标检测算法的基本流程：图像预处理=>寻找候选区=>特征提取=>分类器分类
学海一叶·2023-12-26 11:06

【机器学习】Boosting算法-梯度提升算法（Gradient Boosting）

一、原理梯度提升算法是一种集成学习方法，它可以将多个弱分类器或回归器组合成一个强分类器或回归器，提高预测性能。
十年一梦实验室·2023-12-26 09:18

机器学习基础整理(第2章) - 模式分类

文章目录什么是模式识别/分类器？
王踹踹·2023-12-26 08:40

【模式识别与机器学习】——2.2正态分布模式的贝叶斯分类器

出发点：当已知或者有理由设想类概率密度函数P(x|ωi)是多变量的正态分布时，上一节介绍的贝叶斯分类器可以导出一些简单的判别函数。
weixin_30421809·2023-12-26 08:09

【模式识别-北理工】04线性分类器

线性分类器1线性判别和广义线性判别1.1线性判别1.2广义线性判别2二分类、多分类线性判别2.1二分类线性判别2.2多分类线性判别3线性判别函数的几何意义4线性分类器训练的一般思路6线性分类器举例6.1
不断进步的咸鱼·2023-12-26 08:07

机器学习之贝叶斯判别和分类器

贝叶斯分类器贝叶斯分类器是各种分类器中分类错误概率最小或者在预先给定代价的情况下平均风险最小的分类器。它的设计方法是一种最基本的统计分类方法。
頔潇·2023-12-26 08:35

机器学习----贝叶斯分类器（判别模型和生成模型）

判别模型和生成模型数学表述监督学习方法分判别方法（DiscriminativeApproach）和生成方法（GenerativeApproach），所学到的模型分别称为判别模型（DiscriminativeModel）和生成模型（GenerativeModel）。所谓判别模型模型是直接判别测试用例所属的类别，即直接对p(y|x)进行建模，例如logisticregression，y=σ(θTx)。
这题我会啊·2023-12-26 08:34

机器学习（六）分类模型--线性判别法、距离判别法、贝叶斯分类器

机器学习（六）分类模型--线性判别法、距离判别法、贝叶斯分类器首先我们了解常见的分类模型和算法有哪些线性判别法简单来说就是用一些规定来寻找某一条直线，用直线划分学习集，然后根据待测点在直线的哪一边决定它的分类如图
路易三十六·2023-12-26 08:34

模式识别与机器学习-判别式分类器

模式识别与机器学习-判别式分类器生成式模型和判别式模型的区别线性判别函数多分类情况多分类情况1多分类情况2多分类情况3例题广义线性判别函数实例分段线性判别函数Fisher线性判别感知机算法例：感知机多类别分类谨以此博客作为学习期间的记录生成式模型和判别式模型的区别生成式模型关注如何生成整个数据的分布
Kilig*·2023-12-26 08:01

朴素贝叶斯模型

高斯贝叶斯分类器高斯贝叶斯分类器的计算过程还是比较简单的，其关键的核心是假设数值型变量服从正态分布，如果实际数据近似服从正态分布，分类结果会更加准确。
月岛雫-·2023-12-26 07:59

机器学习系列_朴素贝叶斯（1）（原理、python代码、实战）

本文经作者允许转载自公众号：月半一更链接：https://mp.weixin.qq.com/s/v-FN3rG97Hr8Ez_fnkwpTw前文中的K-近邻、决策树分类器，给出的分类决策都是确定性的，即
大大的肥猫·2023-12-26 07:26

实战：朴素贝叶斯文本分类器搭建与性能评估

文章目录贝叶斯定理简介贝叶斯分类器朴素贝叶斯分类器优势与不足实战代码结语贝叶斯定理简介贝叶斯分类
小馒头学python·2023-12-26 07:25

Generalized Likelihood Ratio Test With One-Class Classifiers（单类分类器的广义似然比检验）

FrancescoArdizzonandStefanoTomasinDepartmentofInformationEngineering,UniversityofPadova,Italy时间：2022.10.22期刊：IEEETNEURNETLEAR原文链接：摘要：单类分类(OCC)是判断观测样本是否属于目标类的问题。我们考虑当学习阶段可用的数据集仅包含来自目标类的样本时，学习OCC模型的问题。我
Pochacc_ZZ·2023-12-25 19:13

2018年3月22日

上午主要是看看同事推荐的文档给现金贷建模做准备，感觉不管是分箱还是LR分类器都不新鲜，我也都会，但为什么我做出来的结果就那么不尽人意呢……不过从LR概率转到评分卡的标准流程和公式推导倒是之前没接触过。
真昼之月·2023-12-25 16:53

sklearn 逻辑回归Demo

逻辑回归案例假设表示基于上述情况，要使分类器的输出在[0,1]之间，可以采用假设表示的方法。
小小程序○·2023-12-25 07:11

【机器学习】随机森林

一、原理集成学习bootstrap抽样bagging算法随机森林训练算法随机森林输出变量的重要性Gini方法和置换法二、示例代码（5个）2.1多种弱分类器对比#导入所需的库和模块importnumpyasnp
十年一梦实验室·2023-12-25 01:04

【最优传输二十八】Reusing the Task-specific Classifier as a Discriminator:Discriminator-free Adversarial Dom

为了解决这个问题，本文设计了一个简单而有效的对抗性范式，即无鉴别器的对抗性学习网络（DALN），其中类别分类器被重新用作鉴别器，通过统一的目标实现显式的领域对齐和类别区分，使得DALN能够利用预测的判别信息来进行充分的特征对准
羊驼不驼a·2023-12-24 16:13

【论文笔记四2019 CVPR】Domain-Symmetric Networks for Adversarial Domain Adaptation (SymNets) 用于对抗域自适应的域对称网络

在领域自适应中源域和目标域上的任务是一致的，为此SymNets设计了一个对称的任务分类器结构，也就是说传统的分类器是有K个神经元对应K个类别，而SymNets为源域和目标域分别设
羊驼不驼a·2023-12-24 16:43

人工智能_机器学习072_SVM支持向量机_人脸识别模型训练_训练时间过长解决办法_数据降维_LFW人脸数据建模与C参数选择---人工智能工作笔记0112

我们先来看一下之前的代码:importnumpyasnp导入数学计算库fromsklearn.svmimportSVC导入支持向量机线性分类器importmatplotlib.pyplotasplt加载人脸图片以后
脑瓜凉·2023-12-24 08:16

110基于matlab的混合方法组合的极限学习机和稀疏表示进行分类

通过将极限学习机（ELM）和稀疏表示（SRC）结合到统一框架中，混合分类器具有快速测试（ELM的优点）的优点，且显示出显着的分类精度（SRC的优点）。数据可更换自己的，程序已调通，可直接运行。
顶呱呱程序·2023-12-24 08:05

机器学习---比较单个学习器与Bagging集成的偏差-方差分解、在Iris数据集的不同特征子集上使用不同的分类器进行训练和可视化

1.Bagging说明并比较了预期均方误差的偏差方差分解，单个学习器与bagging集成的比较。在回归中，估计器的预期均方误差可以根据偏差、方差和噪声进行分解。在回归问题的数据集上的平均值上，偏差项测量估计器的预测与问题的最佳可能估计器（即贝叶斯模型）的预测不同的平均量。方差项测量在问题的不同实例上拟合时估计器的预测的可变性。最后，噪声测量由于数据的可变性而导致的误差的不可约部分。fromskle
三月七꧁ ꧂·2023-12-24 07:29

在深度学习中，端到端的含义

当涉及端到端深度学习时，以下是一些示例：图像识别：在图像识别任务中，传统方法可能涉及手动设计特征提取器和分类器。而端到端的深度学习
何处不逢君·2023-12-24 06:54

python文本分类算法_基于Naive Bayes算法的文本分类

朴素贝叶斯分类器是一种基于贝叶斯定理的弱分类器，所有朴素贝叶斯分类器都假定样本每个特征与其他特征都不相关。举个例子，如果一种水果其具有红，圆，直径大概3英寸等特征，该水果可以被判定为是苹果。
weixin_39832643·2023-12-23 23:35

sk-learn实例-用朴素贝叶斯算法（Naive Bayes）对文本进行分类

简介朴素贝叶斯（NaiveBayes）是一个非常简单，但是实用性很强的分类模型，与基于线性假设的模型（线性分类器和支持向量机分类器）不同，朴素贝叶斯分类器的构造基础是贝叶斯理论。
张大千09·2023-12-23 23:35

【机器学习】模式识别

模式识别应用：医学影像分析、人脸识别、车牌识别、遥感图像2模式分类器分类器的分类：线性分类器、非线性分类器、最近邻分类器2.1分类器的训练（学习）过程2.2分类器的性能评价概念：真正例（TruePositive
qq_1532145264·2023-12-23 23:28

模式识别与机器学习（九）：Adaboost

1.原理AdaBoost是AdaptiveBoosting（自适应增强）的缩写，它的自适应在于：被前一个基本分类器误分类的样本的权值会增大，而正确分类的样本的权值会减小，并再次用来训练下一个基本分类器。
从零开始的奋豆·2023-12-23 22:37

Sklearn之Ensemble 估计器

分类器统计每个子分类器的预测类别数，再用「多数投票」原则得到最终预测。回归器计算每个子回归器的预测平均值。
月疯·2023-12-23 16:08

基于哈里斯鹰算法优化的核极限学习机实现数据分类（附带Matlab代码）

基于哈里斯鹰算法优化的核极限学习机实现数据分类（附带Matlab代码）在机器学习领域，核极限学习机（KernelExtremeLearningMachine，KELM）是一种有效的非线性分类器。
RTX99090·2023-12-23 05:36

树莓派，opencv，Picamera2利用舵机云台追踪人脸(PID控制）

RaspiberryCSI摄像头组装后的效果：二、项目目标追踪人脸：当人脸移动时，摄像头通过控制两个伺服电机（分别是偏航和俯仰）把该人脸放到视界的中心位置，本文采用了PID控制伺服电机三、具体步骤3.1下载用于人脸识别的级联分类器下载级联分类器
Firmin123456·2023-12-22 22:36

机器学习（7）

本章节是对我学习完机器学习（周志华）第七章所做出来的总结第七章贝叶斯分类器7.1贝叶斯决策论贝叶斯决策伦是概率框架下实施决策的基本方法。
LY豪·2023-12-22 22:21

机器学习算法(12) — 集成技术（Boosting — Xgboost 分类）

机器学习算法（9）-集成技术（装袋-随机森林分类器和......在这篇文章中，我将解释XgBoost分类算法。
无水先生·2023-12-22 17:23

大数据深度学习朴素贝叶斯深度解码：从原理到深度学习应用

大数据深度学习朴素贝叶斯深度解码：从原理到深度学习应用文章目录大数据深度学习朴素贝叶斯深度解码：从原理到深度学习应用一、简介贝叶斯定理的历史和重要性定义例子朴素贝叶斯分类器的应用场景定义例子常见应用场景二
星川皆无恙·2023-12-22 15:29

机器学习——主成分分析（PCA）

利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。在监督学习中训练数据既有特征(feature)又有标签(label)，通过训练，让机
Windsky23·2023-12-22 11:04

随笔：集成学习:关于随机森林，梯度提升机的东拉西扯

我们不知道该听谁的，就按照最简单的两个方法来决定:(1).少数服从多数：有两个分类器的预测概率都大于0.5，我们就认为是真的，小徐会喜
歌者文明·2023-12-21 23:47

2018 · ICLR · AN EFFICIENT FRAMEWORK FOR LEARNING SENTENCE REPRESENTATIONS

ANEFFICIENTFRAMEWORKFORLEARNINGSENTENCEREPRESENTATIONS·想法来源：文章从分布式假说和这些工作中得到灵感，将预测输入句上下文的问题重构为一个分类问题，提出了一种简单高效的句子表示学习框架：给定一个句子和它出现的上下文，分类器根据其向量表示将它从一系列对比句中挑选出来
HelloShane·2023-12-21 23:06

机器学习 | 聚类Clustering 算法

1、核心思想和原理聚类的目的同簇高相似度不同簇高相异度同类尽量相聚不同类尽量分离聚类和分类的区别分类classification监督学习训练获得分类器预测未知数据聚类clustering无监督学习，不关心类别标签没有训练过程算法自己要根据定义的规则将相似的样本划分到一起
西皮呦·2023-12-21 21:18

《opencv实用探索·二十一》人脸识别

Haar级联分类器在OpenCV中主要使用了两种特征（即两种方法）进行人脸检测，Haar特征和LBP特征。用的最多的是Haar特征人脸检测。
梦回阑珊·2023-12-21 19:46

表情识别-情感分析-人脸识别（代码+教程）

一、表情识别的基本原理表情识别的基本原理是通过对人脸图像进行特征提取，并将这些特征输入到分类器或回归器中进行情绪分类或强度估计。常用的特征提取方法包括传统的手工设计特征和深度学习方法。传统的手工
从懒虫到爬虫·2023-12-21 11:54

人工智能Keras图像分类器（CNN卷积神经网络的图片识别篇）

上期文章我们分享了人工智能Keras图像分类器（CNN卷积神经网络的图片识别的训练模型），本期我们使用预训练模型对图片进行识别：KerasCNN卷积神经网络模型训练导入第三方库fromkeras.preprocessing.imageimportimg_to_arrayfromkeras.modelsimportload_modelimportnumpyasnpimportimutilsimpor
人工智能研究所·2023-12-21 09:05

AdaBoost提升方法

提升方法的基本思想是通过改变训练样本的权重学习多个分类器，并将这些线性分类器进行线性组合，提高分类性能。
沉住气CD·2023-12-21 02:02
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他