密度估计

训练集/测试集同分布检验

除了KS检验、overlaprate、KL散度、KDE核密度估计外，对抗验证Adversarialvalidation是利用机器学习模型去检测分布是否一致1.KS检验KS是一种非参数检验方法，可以在不知道数据具体分布的情况下检验两个数
wangjian8976·2022-12-10 18:35

变分推断（variational inference，VI）以及一篇论文阅读

AReviewforStatisticians专栏参考1、MCMC算法详解-知乎(zhihu.com)专栏参考2、基于近似计算解决推断问题——变分推断（一）-知乎(zhihu.com)利用近似计算来解决难计算的概率密度估计
葛葎蔓酒花·2022-12-09 17:18

潜变量模型

BishopCM.Latentvariablemodels[M]//Learningingraphicalmodels.SpringerNetherlands,1998:371-403.1.Densitymodelling密度估计是机器学习中的一个主要任务
g8015108·2022-12-09 16:13

PNN神经网络概述

概率神经网络以Parzen窗口函数为激活函数，其同时包含了径向基神经网络与经典的概率密度估计算法的优势，因此在识别与分类方面，与传统的BP神经网络相比具有较为明显的性能优势。
马少爷·2022-12-09 12:58

几种聚类算法的对比实验

其他常见的无监督学习还有密度估计，异常检测等。
_liuzt·2022-12-08 17:43

Matplotlib和Seaborn（离散数据的图表选择与一些使用技巧）

文章目录为离散数据选择图表描述统计量、异常值和坐标轴范围标尺和变换替代方法核密度估计：为离散数据选择图表如果想要绘制离散型数值变量，直方图或条形图都是可能的选择。
来日可期Dream·2022-12-08 02:48

matlab 三维核密度图_python数据分布型图表直方图系列核密度估计图

核密度估计图核密度估计图(kerneldensityplot)用于显示数据在X轴连续数据段内的分布状况；直方图的变种，使用平滑曲线来绘制数值水平，从而得出更平滑的分布；较直方图，核密度估计图，不受所使用分组数量的影响
weixin_39855186·2022-12-07 17:27

无监督学习

无监督学习9.1无监督特征学习9.2概率密度估计  无监督学习（UnsupervisedLearning，UL）是指从无标签的数据中学习出一些有用的模式．无监督学习算法一般直接从原始数据中学习，不借助于任何人工给出标签或者反馈等指导信息
爱蹦跶的小贺·2022-12-07 12:33

实验二 总体概率密度分布的非参数估计

一、实验目的本实验旨在加深对基于Parzen窗的概率密度估计方法的理解，加深非参数估计基本思想的认识和理解。
Universe & Black·2022-12-07 11:58

Kaggle 机器学习实战 朴素贝叶斯（原理+西瓜数据集实战）

秋机器学习（其中第二章就是贝叶斯学习）；回复西瓜书获取周志华机器学习）基础类别先验概率的估计，即某一类的数量占总体数量的比例P(c)=DcDP(c)=\frac{D_c}{D}P(c)=DDc类别概率密度估计
AC粥·2022-12-05 10:53

《人群计数和密度估计方法综述》（阅读笔记20220315）

Approachesoncrowdcountinganddensityestimation:areview人群计数和密度估计方法综述人群计数最新综述（2021）_目睹闰土刺猹的瓜的博客-CSDN博客_人群计数目录方法分类详细介绍基于密度图的方法感受野
Panda..·2022-12-03 22:15

基于MSCNN的人群密度估计之生成人群密度图

项目地址：https://github.com/zzubqh/CrowdCount，如果你感觉有点用就帮忙点个start吧概述和生成人群密度图基于MSCNN的人群密度估计：概述和生成人群密度图数据集制作和数据生成器密度等级分类网络
zzubqh103·2022-12-03 22:14

功率谱密度相关方法的matlab实现,基于Matlab功率谱密度估计方法

基于Matlab功率谱密度估计方法摘要在实际情况下,许多平稳信号无法导出数学表达式,要准确获取这些信号的功率谱密度存在一定的困难。
weixin_39795325·2022-12-02 02:01

生成模型--VAE

生成模型–VAE变分自编码器（variationalautoencoder,VAE）采用变分推断的方式来构建，与其他自编码器类似，变分自编码器也是由编码器和解码器组成，其本质是对一个含隐变量的函数进行密度估计
发呆的比目鱼·2022-11-30 13:36

Mean Shift 聚类分析（附Pyhon 源代码）

MeanShift(bandwidth=None,seeds=None,bin_seeding=False,min_bin_freq=1,cluster_all=True)MeanShift算法建立在核密度估计
YinHeCS·2022-11-27 03:14

正态分布，二维正态分布，卡方分布，学生t分布——概率分布学习 python

目录基本概念概率密度函数(PDF:ProbabilityDensityFunction)累积分布函数(CDF:CumulativeDistributionFunction)核密度估计（(kerneldensityestimation
nature1949·2022-11-24 17:34

Deep Semi-Supervised Anomaly Detection论文阅读

浅无监督异常检测方法：one-classsvm，核密度估计，独立森林。数据设置特点：n个无标签数据（大部分为正常数据但是也包括一些异常污染），m个标注数据（+1
爱笑的李·2022-11-24 05:38

【Python】机器学习笔记11-核密度估计（Kernel Density Estimation）

本文的参考资料：《Python数据科学手册》；本文的源代上传到了Gitee上；本文用到的包：%matplotlibinlineimportnumpyasnpimportpandasaspdimportseabornassnsimportmatplotlib.pyplotaspltimportcartopy.crsasccrsimportcartopy.featureascfeaturefromca
RM -RF /星·2022-11-23 14:22

C++OpenCV绘制直方图

1.直方图概述直方图是变量分布的统计图，他可以让我们能够了解数据的密度估计和概率分布。2.原理理解首先创建三个矩阵来处理每个输入图像通道。
AI炮灰·2022-11-22 13:52

单细胞marker基因可视化的补充---密度图与等高线图

1、密度图Nebulosa是一个基于核密度估计的R软件包，用于可视化单个细胞的数据。做密度图可视化的一个重要的作用是，可以筛选鉴定某些基因双阳的细胞群。可以看到，我们能够看到
TS的美梦·2022-11-21 07:54

跟李沐学AI：实用机器学习 | 第三章

自监督学习：标号从数据中产生得来，例如BERT、word2vec半监督学习：使用标注和未标注的数据训练，学习能够预测未标注数据的标号的模型，例如自训练无监督学习：使用未标注的数据训练，例如聚类、密度估计
ZzzGo!·2022-11-20 21:03

尝试理解论文SPOT1的代码1：Supported Policy Optimization for Offline Reinforcement Learning

VAEVAE概述VAEloss一般vae和IWAE的比较（这篇SPOT论文参考IWAE借鉴了vae）VAE和IWAE的loss对比VAE和IWAE的梯度区别SPOT中的vae损失函数论文中对L的实验（L对于密度估计的影响
是Yu欸·2022-11-20 15:35

Opencv学习笔记——直方图与模板匹配

画直方图2.mask的使用3.直方图均值化4.自适应直方图均衡化二、模板匹配1.匹配单个对象2.匹配多个对象一、直方图直方图是像素点数值分布的统计图形表示，也就是每个点出现的个数，它让我们能够理解数据的密度估计和概率分布
纸箱里的猫咪·2022-11-20 11:15

基于LS-SVM对偶问题的分类、回归、时间序列预测和无监督学习研究（Matlab代码实现）

目录1概述2运行结果3参考文献4Matlab代码实现1概述支持向量机（SVM）是一种解决非线性分类、函数估计和密度估计问题的强大方法，这也导致了基于核的学习方法的许多其他最新发展。
研学社·2022-11-11 08:12

密度图计数

参考：人群密度估计-CVPR2018最新论文CSRNet原理、配套代码解析_luckyli的博客-CSDN博客【论文笔记】CSRNet:DilatedConvolutionalNeuralNetworksforUnderstandingtheHighlyCongestedScenes_Tra_cy
qq_478377515·2022-11-07 10:06

机器学习编程作业ex8(matlab/octave实现)-吴恩达coursera 异常检测与推荐系统/协同过滤

程序打包网盘地址提取码1111一、（Week9）内容回顾非监督学习问题的两种应用：异常检测与推荐系统1.1AnomalyDetection异常检测1.DensityEstimation密度估计-用发生的概率来判定是否为异常数据
独家*记忆·2022-11-04 09:02

使用MindStudio进行UAV场景下人群密度估计开发

4.2、配置MindStudio的python环境4.3、ATC模型转换4.4、配置插件4.5、图片测试4.6、精度测试获取帮助本文的视频教程可点击下面链接：使用MindStudio进行UAV场景下人群密度估计开发
koervcor·2022-11-01 17:57

论文阅读“Deep autoencoding gaussian mixture model for unsupervised anomaly detection”

/Internationalconferenceonlearningrepresentations.2018.摘要导读对多维或高维数据的无监督异常检测在基础机器学习研究和工业应用中都具有重要意义，其中密度估计是一
掉了西红柿皮_Kee·2022-10-30 20:16

【一起啃书】西瓜书——支持向量机

直接跳到支持向量机的动机是，遇到了核函数，加上这一节的很多难点在多类课中学了又学，却总是学不明白，所以准备系统的了解支持向量机的大概，并重点学习我的目标知识：核函数的意义、作用，哪些场景会应用到核函数核密度估计
反科研pua所所长·2022-10-27 21:13

360 2022年秋招技术综合机试

kmeans++初始选择初始点个数是一个25个人,每5人1个跑道,最少经过几次赛跑,得到前3名使用核密度估计法估计数据样本的分布时，仅从数据样本本身入手，并不需要任何先验知识。基于
Lloaded%356·2022-10-27 09:06

Bishop 模式识别与机器学习读书笔记_ch2.1 离散型概率分布

分布的一个重要作用是密度估计，即假设数据点是独立且相同分布的，在给定有限集{x1,⋯ ,xN}\{\mathbf{x}_1,\cdots,\mathbf{x}_N\}{x1,⋯,xN}观测值的情况下，对随机变量
Mr_LeeCZ·2022-10-22 07:31

核密度估计python_核密度估计Kernel Density Estimation(KDE)

在介绍核密度评估KernelDensityEstimation(KDE)之前，先介绍下密度估计的问题。由给定样本集合求解随机变量的分布密度函数问题是概率统计学的基本问题之一。
weixin_39625162·2022-10-20 22:30

非参数估计：核密度估计KDE

非参数估计：核密度估计KDE非参数估计：核密度估计KDE核密度估计KernelDensityEstimation(KDE)概述密度估计的问题由给定样本集合求解随机变量的分布密度函数问题是概率统计学的基本问题之一
weixin_ry5219775·2022-10-20 22:10

核密度估计KDE概率密度以及累计概率计算

最近在用python复现fluxrank（根因定位）论文，其中用到了核密度估计KDE来计算KPI的变化程度，需要计算累计概率值，网上教程还是挺少的，对于核密度估计算法的原理和实现方式网上教程很多，这里引用一篇
True | Fasle·2022-10-20 22:06

【机器学习sklearn】简单易懂核密度估计KernelDensity

【机器学习sklearn】简单易懂核密度估计KernelDensity前言官方文档官方Sample解读直方图核密度内核可视化官方实例代码解析：我的示例所需文件获取：题目：参考答案：（jupyternotebook
大气层煮月亮·2022-10-20 22:58

论文笔记：Spatial-Temporal Person Re-identification 时空行人重识别

论文下载：https://arxiv.org/pdf/1812.03282.pdf读前需掌握的知识：Parzenwindow概率密度估计：Parzen窗方法-知乎拉普拉斯平滑：理解朴素贝叶斯分类的拉普拉斯平滑
随便写点笔记·2022-09-27 07:22

【论文快读】人群计数FIDTM

FocalInverseDistanceTransformMapsforCrowdLocalizationandCountinginDenseCrowd华中科大，北邮挺实用，推理有些慢(同事使用感受)最近接触了一个人群密度估计的工作
YiyangJump·2022-09-24 18:02

人群计数开源笔记

人群计数最全代码、数据、论文合集_AI视觉网奇的博客-CSDN博客_人群密度估计代码cvpr2022人群计数(CrowdCounting)【1】BoostingCrowdCountingviaMultifacetedAttention
AI视觉网奇·2022-09-24 18:31

第九章 无监督学习

第九章无监督学习第九章无监督学习无监督特征学习主成分分析稀疏编码训练方法稀疏编码的优点自编码器稀疏自动编码器堆叠自编码器降噪自编码器概率密度估计参数密度估计正态分布多项分布非参数密度估计直方图方法核方法
Avery123123·2022-09-23 18:51

用于执行分类、回归、聚类和密度估计的机器学习算法列表

监督学习一般使用两种类型的目标变量：标称型和数值型。标称型目标变量的结果只从有限目标集中取值，主要用于分类；数值型目标变量从无限的数值集合中取值，主要用于回归分析。《机器学习基础》一书因为与我在PolyU的研究生课程COMPMachineLearning课程安排完全吻合，所以开启学习之旅，用于预习复习，并记录笔记于此。7/9/22第一章机器学习基础机器学习基本概念机器学习就是把无序的数据转换成有用
脚踏实地的大梦想家·2022-09-08 04:48

(CVPR 2019) PointConv: Deep Convolutional Networks on 3D Point Clouds

对于给定的点，权函数通过多层感知器网络和密度函数通过核密度估计来学习。这项工作最重要的贡献是提出了一种
fish小余儿·2022-09-06 07:16

深度自编码高斯混合模型无监督异常检测

针对这种情况，提出了降维的需求，将高维数据降维，然后在低纬度对其进行密度估计。
qq_40832034·2022-09-04 07:07

Paddle CrowdNet 人群密度估计

PaddleCrowdNet人群密度估计导语密度图如何制作crowd数据集制作Crowd数据集将图片合成视频将视频切分成图片在图片上进行标注将txt文件转位mat文件Paddle实现将数据集加入到datacreate_list.py
姜君泽·2022-07-22 11:59

【Python数据分析】之可视化Seaborn库

文章目录前言系列文章Seaborn绘制统计图形一、直方图二、核密度估计曲线三、绘制散布图绘制双变量分布四、绘制二维直方图五、核密度估计绘制成对的双变量分布六、多个成对的双变量分布前言Python数据分析结课了
陌小柠·2022-06-04 05:18

深度学习：人群密度估计CSRNet(cvpr 2018)论文源代码详解

写在前面大二上学期，刚从事DeepLearning的学习不久，《CSRNet:DilatedConvolutionalNeuralNetworksforUnderstandingtheHighlyCongestedScenes》是我所看的第一篇论文，CSRNet神经网络主要用于高密度人群图片的人数估计。前端直接使用预先训练好的VGG16神经网络，CSRNet采用了单分支的网络结构，以及用空洞卷积来
Jack和Tim是两个北方男孩·2022-05-30 07:17

[机器学习入门第九章]聚类

（其他还有密度估计，异常检测)聚类试图将数据划分成若干不相交的子集，每个子集称为“簇”（cluster)，其对应的标签需要人工标记。聚类既可以单独分析数据的内部分布结构，也可以作为分类的前驱。
带带二师兄·2022-05-14 15:07

机器学习中的一些常用概念

先验概率和后验概率先验分布、后验分布、似然函数核密度估计，用来估计未知的密度函数，属于非参数检验方法之一优化算法优化算法合集禁忌搜索遗
过动猿·2022-05-11 17:21

机器学习基础知识梳理

2、机器学习常见任务：a、分类b、输入缺失分类c、回归d、转录e、机器翻译f、结构化输出g、异常检测h、合成和采样i、缺失值填补j、去噪k、密度估计或概率质量函数估计3、性能度量：为了评估机器学习算法的能力
zpc1219·2022-04-20 07:29

python统计数据画概率曲线_[python常用图件绘制#04]核密度曲线图（峰值点显示）...

一、关于核密度估计带宽的一些说明进行核密度估计KernelDensityEstimation（KDE）时，带宽bw的选取尤为重要，不同的带宽会对结果造成很大的影响。
weixin_39794347·2022-03-24 07:52

python绘制概率密度曲线_[python常用图件绘制#04]核密度曲线图（峰值点显示）

一、关于核密度估计带宽的一些说明进行核密度估计KernelDensityEstimation(KDE)时，带宽bw的选取尤为重要，不同的带宽会对结果造成很大的影响。
weixin_39546312·2022-03-24 07:20
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他