最小二乘法拟合

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

梯度提升算法的核心思想是利用损失函数的负梯度作为残差的近似值，然后用一个基学习器拟合这个残差，再将其加到之前的模型上，从而不断地减小损失函数的值。
十年一梦实验室·2023-12-26 09:18

[PyTorch][chapter 8][李宏毅深度学习][DNN 训练技巧]

前言：DNN是神经网络的里面基础核心模型之一.这里面结合DNN介绍一下如何解决深度学习里面过拟合,欠拟合问题目录：DNN训练常见问题过拟合处理欠拟合处理keras项目一DNN训练常见问题我们在深度学习网络训练的时候经常会遇到下面两类问题
明朝百晓生·2023-12-26 07:26

机器学习之归一化

为什么需要归一化假设我们现在有一组样本数据，我们需要拟合的目标函数如下：其中X1和X2为样本中两个特征。当X1和X2数值
小光K·2023-12-26 01:55

Python使用训练数据拟合模型

#假设“满意度”是因变量，其他的是自变量#提取自变量（特征）和因变量（目标）X=df_filtered_cleaned[['Bonus','Enhancement','Time_in_seconds']]y=df_filtered_cleaned['Satisfaction']#分割为训练集和测试集。X_train,X_test,y_train,y_test=train_test_split(X,
xdpcxq1029·2023-12-25 14:28

深度学习中的池化

1深度学习池化概述1.1什么是池化池化层是卷积神经网络中常用的一个组件，池化层经常用在卷积层后边，通过池化来降低卷积层输出的特征向量，避免出现过拟合的情况。
智慧医疗探索者·2023-12-25 09:39

深度学习中的Dropout

当一个复杂的前馈神经网络被训练在小的数据集时，容易造成过拟合。为了防止过拟合，可以通过阻止特征检测器的共同作用来提高神经网络的性能。在2012年，Alex、Hin
智慧医疗探索者·2023-12-25 09:06

PyTorch官网demo解读——第一个神经网络（3）

大佬说梯度下降是深度学习的灵魂；梯度是损失函数（代价函数）的导数，而下降的目的是让我们的损失不断减少，达到模型收敛的效果，最终拟合出最优的参数w。所以，我们要先从损失函数（代价函数）说起。
骑猪等风·2023-12-25 06:30

matlab显示函数表达式_从零开始的matlab学习笔记——（25）微分方程

matlab应用——求极限，求导，求积分，解方程，函数绘图，三维图像，拟合函数....更多内容尽在个人专栏：matlab学习之前我们学习过matlab的各种解方程的函数工具，这一节我们再来学习一种，（常
weixin_39636333·2023-12-25 06:49

线性回归模型数值仿真

请采100个输入样本，计算出相应的输出样本，并利用线性回归模型拟合这些样本，利用最小二乘求解。
!chen·2023-12-25 05:59

多项式拟合

将利用多输入的线性回归模型实现多项式的拟合。使用最小二乘法进行求解，并可视化拟合的结果。
!chen·2023-12-25 05:28

【C++PCL】点云处理最小二成三维球拟合

作者：迅卓科技简介：本人从事过多项点云项目，并且负责的项目均已得到好评！公众号：迅卓科技，一个可以让您可以学习点云的好地方目录1.原理介绍2.代码效果3.源码展示4.参数调试5.注意事项
迅卓科技·2023-12-25 04:37

【C++PCL】点云处理最小二成圆柱拟合

作者：迅卓科技简介：本人从事过多项点云项目，并且负责的项目均已得到好评！公众号：迅卓科技，一个可以让您可以学习点云的好地方目录1.原理介绍2.代码效果3.源码展示4.参数调试5.注意事项
迅卓科技·2023-12-25 04:37

【C++PCL】点云处理最小二成空间直线拟合

作者：迅卓科技简介：本人从事过多项点云项目，并且负责的项目均已得到好评！公众号：迅卓科技，一个可以让您可以学习点云的好地方目录1.原理介绍2.代码效果3.源码展示4.参数调试5.注意事项</
迅卓科技·2023-12-25 04:07

【C++PCL】点云处理最小二成二维圆拟合

作者：迅卓科技简介：本人从事过多项点云项目，并且负责的项目均已得到好评！公众号：迅卓科技，一个可以让您可以学习点云的好地方目录1.原理介绍2.代码效果3.源码展示4.参数调试5.注意事项
迅卓科技·2023-12-25 04:07

【C++PCL】点云处理RANSAC圆锥拟合

作者：迅卓科技简介：本人从事过多项点云项目，并且负责的项目均已得到好评！公众号：迅卓科技，一个可以让您可以学习点云的好地方目录1.原理介绍2.代码效果3.源码展示4.参数调试5.注意事项
迅卓科技·2023-12-25 04:06

三维目标检测：（三）用PCL中的RANSAC算法去除点云的平面点

算法原理随机采样一致性原理如下https://blog.csdn.net/qq_28087491/article/details/107376740简单来说，如果三个点确定一个平面，那我们随机取三个点，然后拟合成一个平面
ZZZZZZZZZZZZZYQ·2023-12-25 04:36

【C++PCL】点云处理RANSAC圆柱拟合

作者：迅卓科技简介：本人从事过多项点云项目，并且负责的项目均已得到好评！公众号：迅卓科技，一个可以让您可以学习点云的好地方目录1.原理介绍2.代码效果3.源码展示4.参数调试5.注意事项
迅卓科技·2023-12-25 04:36

Logistic回归

原理对分类边界建立回归公式，找到最佳拟合参数，以此来进行分类。优点：计算代价不高，易于理解和实现。缺点：容易欠拟合，分类精度可能不高。在数据不是完全线性可分的情况，永远不会收敛。
JasonChiu17·2023-12-24 22:03

【Python特征工程系列】利用梯度提升（GradientBoosting）模型分析特征重要性（源码）

有些可能是冗余的或不相关的，这会增加建模的复杂性并可能导致过拟合。
数据杂坛·2023-12-24 21:11

决策树的剪枝、连续与缺失

剪枝处理剪枝是决策树学习算法对付“过拟合”的主要手段。剪枝的基本策略有预剪枝和后剪枝两种。
New_Learner·2023-12-24 20:55

第3A章 | 安徽某高校《统计建模与R软件》期末复习

第3A章数据描述性分析目录3.1数据的收集3.2数据的整理3.3描述统计量3.4图像的绘制3.5正态性检验与分布拟合3.6一些R函数的总结与补充3.7补充题：Createacalendar！
我不是saint·2023-12-24 17:16

Error in x$terms : $ operator is invalid for atomic vectors

R报错在做nomo图的时候报的错后面发现模型具体参数需要显示出来，像下面这样子就可以了，但是又会出现新问题，应该是无法拟合或拟合不精确。
愿航·2023-12-24 17:37

生成任意轴线方向的圆柱体（附源码）

文章目录测试效果1.基本内容2.生成任意轴线方向的圆柱体2.代码实现3.参考目标：根据拟合的圆柱体轴线和轴上点，可视化任意轴线方向的圆柱体测试效果1.基本内容在实际检测拟合圆柱体后，我们可以根据拟合误差查看拟合的效果
IVisionNode·2023-12-24 16:48

LogisticRegression - 参数说明

L1G规范假设的是模型的参数满足拉普拉斯分布，L2假设的模型参数满足高斯分布，所谓的范式就是加上对参数的约束，使得模型更不会过拟合(overfit)，
魏鹏飞·2023-12-24 11:34

神经网络：机器学习基础

偏差（Bias）：衡量了模型拟合训练数据的能力，偏差反应的是所有采样
是Dream呀·2023-12-24 10:40

偏最小二乘法中的“偏”的含义

问：偏最小二乘法中的“偏”是指什么意思？答：偏最小二乘法（PartialLeastSquares，简称PLS）中的“偏”指的是这种方法部分地考虑了响应变量的信息来进行预测变量的提取。
菌菌的快乐生活·2023-12-24 09:28

C#处理Gauss光斑图像[通过OpenGL和MathNet]

C#处理高斯光束的光斑图像1基础操作2图片截取3转灰度图4SharpGL画三维点云图5MathNet拟合，OxyPlot作图1基础操作.Net平台必备VS，新建WinForm项目，项目名称Gauss，位置任选
微小冷·2023-12-24 08:19

离散数据多项式拟合

1、多项式拟合多项式拟合&多项式插值多项式插值，给出一些点，求出这些点所满足的方程的表达式，表达式曲线一定经过每个点n次多项式插值→n+1个点求解n+1元一次方程组\boxed{n次多项式插值}\xrightarrow
哦豁灬·2023-12-24 08:17

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

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

点云拟合方法：三点定圆

目录一、相关介绍二、计算代码三、计算结果一、相关介绍根据数学相关原理可以，超过半圆的三个点可以确定唯一的一个圆，计算方法如下：连结3点，形成三角形，再作任意两边的垂直平分线，交于一点，该点即为圆心，且到三点距离相等。第一步：首先假设圆心为
点云处理·2023-12-24 00:54

基于三维点云包围盒平面的圆柱体拟合方法

目录一、算法原理二、实现代码三、计算结果一、算法原理（1）三维点云数据集能够找到一个最大外包围盒将其包裹，具体步骤如下，首先找到坐标的极大值和极小值点，然后得到最大包围盒，极大值和极小值点构成外包围盒的对角点，其他点可以推算得到；（2）找到包围盒的一个面，将其包裹在一个圆内（即圆将是圆柱体面）&
点云处理·2023-12-24 00:23

基于傅里叶变换和离散余弦变换的最小二乘法相位解包裹算法研究

一、背景由于数字全息图再现的复振幅光场中解调相位信息是通过反正切函数得到的，因而得到的相位分布被截断到三角函数的主值范围（－π，π］之间，必须对其进行相位展开（即相位解包裹），才能得到连续相位分布。因此，相位解包裹是实现数字全息三维重建的一个重要环节。然而由于实际测量的环境及噪声、欠采样、阴影、调制度过低等各种因素的存在，使得干涉图的干涉特征是千变万化的，因此很难利用一种算法解决所有的解包裹问题。
简单光学·2023-12-23 23:04

机器学习之损失函数

它是优化算法的核心，通过最小化损失函数来调整模型的参数，使得模型能够更好地拟合训练数据并在新数据上表现良好。
贾斯汀玛尔斯·2023-12-23 21:47

机器学习之过拟合和欠拟合

过拟合概念过拟合（Overfitting）是机器学习中常见的问题之一，它指的是模型在训练数据上表现很好，但在未见过的新数据上表现较差的情况。
贾斯汀玛尔斯·2023-12-23 21:46

由实验数据进行函数拟合的python实现

0.引言已知公式求参的过程，对工程而言，一般是一个线性拟合或者非线性拟合的过程。我们现在来以代码片段为例，来描述如何求参。一般这个过程会涉及超定方程的计算。
子正·2023-12-23 20:36

Matlab 最小二乘法 拟合平面 (PCL PCA拟合平面)

一、原理推导最小二乘法拟合平面是我们最常用的拟合平面的方法，但是有特殊的情况是用这种方法是不能拟合的，后续会加上这种拟合方法（RANSAC）。
Σίσυφος1900·2023-12-23 20:15

3D点云法向量估计(最小二乘拟合平面)

1、点云法向量估计的主要思路是对K-近邻的N个点进行平面拟合（平面过N点重心），平面法向量即为所求；2、最小二乘拟合可以转换为求协方差矩阵最小特征值对应的特征向量（SVD分解）；此种解法对数据噪声有很强的鲁棒性
weixin_30487201·2023-12-23 20:15

matlab 点云最小二乘拟合平面(PCA法)

一、算法原理  见：matlab点云最小二乘拟合平面(PCA法详细过程版)。二、代码实现clc;clear;%%------
点云侠·2023-12-23 20:43

Matlab最小二乘平面拟合(SVD方法)—点云处理及可视化第3期

在之前的文章中，分享了Matlab基于PCA的平面拟合方法：这一次，再来分享一下基于奇异值分解（SingularValueDecomposition,SVD）的平面拟合。
阿昆的科研日常·2023-12-23 20:43

点云法向量与点云平面拟合的关系（PCA）

点云法向量估计的主要思路是对K-近邻的N个点进行平面拟合（平面过N点重心），平面法向量即为所求；所以求法向量就是变相的求拟合平面。
菜鸟知识搬运工·2023-12-23 20:43

Matlab基于主成分分析(PCA)的平面拟合—点云处理及可视化第2期

目录1概述2代码实现3可视化验证完整代码：PCA平面拟合结果：特别提示：《Matlab点云处理及可视化》系列文章整理自作者博士期间的部分成果，旨在为初入点云处理领域的朋友提供一份较为权威、可直接用于论文写作的
阿昆的科研日常·2023-12-23 20:13

PCL 最小二乘拟合空间直线

目录一、算法原理1、一般式2、点向式3、最小二乘法拟合4、参考文献二、代码实现三、结果展示本文由CSDN点云侠原创，原文链接。如果你不是在点云侠的博客中看到该文章，那么此处便是不要脸的爬虫。
点云侠·2023-12-23 20:13

matlab 点云最小二乘拟合空间直线(PCA法)

一、算法原理  见：matlab点云最小二乘拟合空间直线。二、代码实现clc;clear;%%----
点云侠·2023-12-23 20:12

matlab 点云的平面拟合、以及面积、倾角和倾向和平整度计算

matlab点云的平面拟合、以及面积、倾角和倾向和平整度计算1、原理和实现pca拟合平面1.1批量读入点云clcclearallcloseallcurent_file=pwd;rock="European_cluster
暗嘿·2023-12-23 20:12

matlab 手写基于PCA的点云法向量计算

matlab手写基于PCA的点云法向量计算点云法向量估计的方法有很多，应用最广泛和普遍的是，基于平面拟合的法向量计算，也就是基于PCA的法向量计算。
暗嘿·2023-12-23 20:12

（14）监督学习-分类问题-决策树

越适合做分类条件特点是：只有树的生成，容易产生过拟合。只能处理离散性数据2、C4.5特征选择方法：信息增益率；信息增益大小没有绝对意义，使用比例对其进行矫正。g1(
顽皮的石头7788121·2023-12-23 19:27

【机器学习】【线性回归】梯度下降

文章目录@[toc]数据集实际值估计值估计误差代价函数学习率参数更新`Python`实现线性拟合结果代价结果数据集(x(i),y(i)),i=1,2,⋯ ,m\left(x^{(i)},y^{(i)}\
丷从心·2023-12-23 16:43

数值分析（一） -- 绪论（知识篇）

系列文章目录数值分析（一）--绪论（知识篇）数值分析（二）--插值法（知识篇）数值分析（三）--函数逼近-最小二乘法（知识篇）数值分析（四）--数值积分（知识篇）数值分析（五）--非线性方程求解（知识篇
₫从心·2023-12-23 14:38

正则化(Regularization) 线性回归

假设我们的模型是：image.png我们可以从之前的事例中看出，正是那些高次项导致了过拟合的产生，所以如果我们能让这些高次项的系数接近于0的话，我们就能很好的拟合了。
东京的雨不会淋湿首尔·2023-12-23 14:32

监督式机器学习与无监督式机器学习

你把它拟合到你的算法中，算法现在会预测这个数据的标签。这称为监督学习。回归和分类是监督学习的两种
人工智能MOS·2023-12-23 08:14
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他