朴素贝叶斯分类器

国科大机器学习期末复习题库

的算法性能取决于：核函数的选择、核函数的参数、软间隔参数；支持向量机的对偶问题是：凸二次优化；支持向量机中的支撑向量：最大间隔支撑面上的向量；关于决策树节点划分指标描述：信息增益越大越好；集成学习中基分类器
真·skysys·2024-01-21 10:22

OpenCV-Python(51):基于Haar特征分类器的面部检测

目标学习了解Haar特征分类器为基础的面部检测技术将面部检测扩展到眼部检测等。
图灵追慕者·2024-01-21 08:17

深度学习入门——卷积神经网络CNN基本原理+实战

分类部分使用全连接层作为一个分类器，使用特征提取部分提取的特征为图像上
AI小白龙*·2024-01-21 07:18

卷积神经网络教程 (CNN) – 使用 TensorFlow 在 Python 中开发图像分类器

在这篇博客中，让我们讨论什么是卷积神经网络(CNN)以及卷积神经网络背后的架构——旨在解决图像识别系统和分类问题。卷积神经网络在图像和视频识别、推荐系统和自然语言处理方面有着广泛的应用。计算机如何读取图像？考虑这张纽约天际线的图像，第一眼你会看到很多建筑物和颜色。那么计算机是如何处理这张图像的呢？图像分为3个颜色通道，即红、绿和蓝。每个颜色通道都映射到图像的像素。然后，计算机识别与每个像素相关的值
AAI机器之心·2024-01-21 07:08

大创项目推荐 深度学习花卉识别 - python 机器视觉 opencv

文章目录0前言1项目背景2花卉识别的基本原理3算法实现3.1预处理3.2特征提取和选择3.3分类器设计和决策3.4卷积神经网络基本原理4算法实现4.1花卉图像数据4.2模块组成5项目执行结果6最后0前言优质竞赛项目系列
laafeer·2024-01-21 05:30

Perceptron

Perceptron是一个线性分类器，基于误分类准则学习分离超平面的参数(w,b).通过对偶学习法的推导可以通过运用核技巧使Perceptron可以分类非线性数据。
BigPeter·2024-01-21 00:53

机器学习实验||分类机器学习建模分析

实验目的掌握机器学习建模分析掌握回归分析、分类分析、聚类分析、降维等了解各分类器之间的差异实验环境操作系统：作系统：Windows11应用软件：JupyterNotebook实验内容与结果（题目、源程序
小嘤嘤怪学·2024-01-20 16:23

深度学习与神经网络实现分类实验

实验目的掌握神经网络及深度学习建模分析掌握使用神经网络实现分类的方法掌握使用Keras框架实现深度学习的方法了解各分类器之间的差异实验环境操作系统：Windows11应用软件：JupyterNotebook
小嘤嘤怪学·2024-01-20 16:23

【分类模型学习】-朴素贝叶斯

分类问题综述分类问题在生活中很常见，我们可以从数学角度做如下定义：已知类别集合和待分类项集合，需要确定出映射规则，使得任意的有且仅有一个使得成立朴素贝叶斯方法朴素贝叶斯法（NaiveBayesmodel
lowindow·2024-01-19 21:07

评价指标-AUC

AUCTPTNFPFN精确率（Precision）召回率（Recall）链接:准确率、精确率、召回率、F1值、ROC/AUC整理笔记.AUC真阳性率（TPR,Truepositiverate）TP/(TP+FN),代表分类器预测的正类中实际正实例占所有正实例的比例
大数据驱动·2024-01-19 14:42

《scikit-learn》xgboost

•XGBoost的基学习器除了可以是CART（这个时候就是GBDT）也可以是线性分类器，而GBDT只能是CART。•XGBoost的目标函数的近似用了二阶泰勒展开，模型优化效果更好。•XGBoost
星海千寻·2024-01-19 12:29

隐马尔可夫模型【维特比算法】

第一章机器学习简介第二章感知机第三章支持向量机第四章朴素贝叶斯分类器第五章Logistic回归第六章线性回归和岭回归第七章多层感知机与反向传播【Python实例】第八章主成分分析【PCA降维】第九章隐马尔可夫模型文章目录机器学习笔记一
格兰芬多_未名·2024-01-19 03:21

奇异值分解(SVD)【详细推导证明】

第一章机器学习简介第二章感知机第三章支持向量机第四章朴素贝叶斯分类器第五章Logistic回归第六章线性回归和岭回归第七章多层感知机与反向传播【Python实例】第八章主成分分析【PCA降维】第九章隐马尔可夫模型第十章奇异值分解文章目录机器学习笔记一
格兰芬多_未名·2024-01-19 03:20

yolo9000：Better, Faster, Stronger的目标检测网络

目录一、回顾yolov1二、yolov2详细讲解2.1Better部分创新点（1）BatchNormalization(批量归一化)（2）HighResolutionClassifier---高分辨率分类器
慕溪同学·2024-01-19 03:09

机器学习练习 6 - Support Vector Machines（支持向量机）

机器学习练习6-SupportVectorMachines（支持向量机）Introduction在本实验中，将使用支持向量机(SVMs)来构建垃圾邮件分类器。
Phoenix_ZengHao·2024-01-19 02:59

【机器学习】西瓜书要点个人整理

目录前置基础知识第三章线性模型机器学习三要素1.函数集合2.目标函数3.优化方法4.模型评估方法对数几率回归（逻辑回归）第四章决策树第五章SVM第六章贝叶斯分类器第八章集成学习第九章神经网络前情提要：本文适合在学习机器学习课程前
_hermit:·2024-01-19 02:45

2 感知机

感知机模型的假设空间是定义在特征空间中的所有线性分类模型或线性分类器，即函数集合{f|f(x)=wx+b}.感知机的几何解释：线性方程wx+b=0对应于特征空间Rn中的一个超平面
奋斗的喵儿·2024-01-18 20:58

计算机视觉设计如何应用于人脸识别技术？

下面是计算机视觉设计在人脸识别技术中的应用方法：人脸检测：计算机视觉设计可以通过使用人脸检测算法，如Haar级联分类器、基于深度学习的卷积神经网络等，来检测图像中的人脸位置。
人工智能培训·2024-01-18 17:07

【机器学习】机器学习四大类第01课

实例：垃圾邮件分类器。训练数据集包含一系列电子邮件及其对应的标签（垃圾邮件或非垃圾邮件）。通过学习这些特征与标签之间的关联，模型可以用于识别新的邮件是否为垃圾邮件。无监督
德天老师·2024-01-18 14:29

5.逻辑回归 Logistic Regression

————————————————————————分割线————————————————————————逻辑回归的定义：逻辑回归，是一种名为“回归”的线性分类器
宫灵均·2024-01-18 13:47

Python中如何使用NLTK/TextBlob/VADER等库进行情感分析

可以使用NLTK来进行情感分析，通常需要训练一个分类器。NLTK还提供了情感词汇（如WordNet）和语料库，用于帮助构建情
Pandas120·2024-01-18 13:54

pytorch集智4-情绪分类器

和上一章节单车预测回归问题相比，这个问题是分类问题，不是回归问题2神经网络分类器2.1如何用神经网络分类第二章节用torch.nn.Sequantial做的回归预测器，输出神经元只有一个。
peter6768·2024-01-18 12:38

FCN全卷积网络Fully Convolutional Networks

语义分割CNN实现语义分割FCN实现语义分割全连接层注：以下内容摘自知乎全连接层（fullyconnectedlayers，FC）在整个卷积神经网络中起到“分类器”的作用。
踩坑第某人·2024-01-18 10:24

机器学习——python训练RNN模型实战（傻瓜式教学，小学生都可以学会）代码开源

机器学习实战目录第一章python训练线性模型实战第二章python训练决策树模型实战第三章python训练神经网络模型实战第四章python训练支持向量机模型实战第五章python训练贝叶斯分类器模型实战第六章
苏苏不是叔·2024-01-18 01:01

机器学习——python训练CNN模型实战（傻瓜式教学，小学生都可以学会）代码开源

机器学习实战目录第一章python训练线性模型实战第二章python训练决策树模型实战第三章python训练神经网络模型实战第四章python训练支持向量机模型实战第五章python训练贝叶斯分类器模型实战第六章
苏苏不是叔·2024-01-18 01:00

图像分类 | 基于 Labelme 数据集和 VGG16 预训练模型实现迁移学习

基于标注样本的信息和预训练模型的特征提取能力，训练自己构建的图像分类器，从而实现迁移学习。目录一、导入必要库二、定义目录变量三、数据预处理--数据增强+标签处理1.定义图像数据生成器2.标注样本的
源于花海·2024-01-17 23:28

数据挖掘之分类问题、决策树问题以及一个关于误差的泛化理论

分类问题的定义首先老师抛出了对分类问题的定义，本质上就是在某一个分布D上找到一个分类器，可以实现在该分布上的特
蒋大钊！·2024-01-17 21:16

机器学习——支持向量机SVM

1摘要：支持向量机（SVM）是一种二类分类模型，其基本模型是在特征空间上找到最佳的分离超平面使得训练集上正负样本间隔最大，间隔最大使它有别于感知机，支持向量机也可通过核技巧使它成为非线性分类器。
AAI机器之心·2024-01-17 15:32

python机器学习——分类模型评估 & 分类算法（k近邻，朴素贝叶斯，决策树，随机森林，逻辑回归，svm）

目录分类模型的评估模型优化与选择1.交叉验证2.网格搜索【分类】K近邻算法【分类】朴素贝叶斯——文本分类实例：新闻数据分类【分类】决策树和随机森林1.决策树2.决策树的算法3.代码实现实例：泰坦尼克号预测生死
Perley620·2024-01-17 10:59

机器学习：李航 统计学习方法 笔记

待整理统计学习方法监督学习非监督学习半监督学习强化学习监督学习方法生成方法GenerativeApproach：P(Y∣X)=P(X,Y)P(X)P(Y|X)=\frac{P(X,Y)}{P(X)}P(Y∣X)=P(X)P(X,Y)朴素贝叶斯模型隐式马尔科夫模型判别方法
lealzhan·2024-01-17 08:54

机器学习 -- 朴素贝叶斯分类器

场景朴素贝叶斯分类器是一种基于贝叶斯定理的简单概率分类器，广泛应用于各种机器学习场景。朴素贝叶斯分类器利用贝叶斯定理来预测一个数据点的类别。
北堂飘霜·2024-01-17 07:37

贝叶斯分类器（公式推导+举例应用）

文章目录引言贝叶斯决策论先验概率和后验概率极大似然估计朴素贝叶斯分类器朴素贝叶斯分类器的优点与缺点优点缺点总结实验分析引言在机器学习的世界中，有一类强大而受欢迎的算法——贝叶斯分类器，它倚仗着贝叶斯定理和朴素的独立性假设
Nie同学·2024-01-17 03:12

GEE：机器学习分类中每个类别的概率图像可视化

作者：CSDN@_养乐多_在GoogleEarthEngine（GEE）中应用机器学习分类器进行多分类时，有一个需求是想知道每个像素对于每个类别的分类概率。
_养乐多_·2024-01-16 21:23

使用PaddleNLP识别垃圾邮件准确率98.5%的垃圾邮件分类器（附数据集下载）

使用PaddleNLP识别垃圾邮件准确率98.5%的垃圾邮件分类器（附数据集下载）。什么是垃圾邮件？垃圾邮件泛指未经请求而发送的电子邮件，例如未经发件人请求或允许而发送的商业广告或非法的电子邮件。
代码讲故事·2024-01-16 21:29

opencv_模型训练

文件夹opencv训练文件xmlnegdataposdata说明negdata目录:放负样本的目录posdata目录：放正样本的目录xml目录：新建的一个目录，为之后存放分类器文件使用neg.txt:负样本路径列表
轩宇^_^·2024-01-16 16:45

XGBoost（eXtreme Gradient Boosting）

XGBoost的基本原理和GradientBoosting类似，都是采用加法模型的形式来建立基本分类器集合，不过和普通的Gra
appron·2024-01-16 07:52

人工智能-OpenCV+Python实现人脸识别（人脸检测）

首先要采用样本的Haar特征训练分类器，从而得到一个级联的AdaBoost分类器。Haar特征值反映了图像的灰度变化情况。
人工智能研究所·2024-01-16 06:21

【opencv】python实现人脸检测和识别训练

人脸识别OpenCV中的人脸识别通常基于哈尔特征分类器（HaarCascadeClassifier）进行。
游码客·2024-01-16 05:39

集成学习（五）Stacking

1.导言Stacking集成算法可以理解为一个两层的集成，第一层含有多个基础分类器，把预测的结果（元特征）提供给第二层，而第二层的分类器通常是逻辑回归，他把一层分类器的结果当作特征拟合输出预测结果。
我想要日更徽章·2024-01-16 04:59

机器学习笔记E4--朴素贝叶斯

按照计划今天该是整理到朴素贝叶斯了，但是线性回归的实现和逻辑回归都还没有完成，欠的东西越来越多。
EL33·2024-01-15 14:44

机器学习 | 多层感知机MLP

2.实验内容能给出与线性分类器（自行实现）作对比，并分析原因。用不同数据量，不同超参数，比较实验效果。不许用现成的平台，例如Pytorch，Tensorflow的自动微分工具。实现实验结果的可视化。
rookiexiong·2024-01-15 12:59

工智能基础知识总结--朴素贝叶斯

什么是朴素贝叶斯朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分类方法。给定训练集T=(x1,y1),(x2,y2),
北航程序员小C·2024-01-15 10:46

集成学习之Adaboost算法详解

AdaptiveBoosting(自适应提升)是基于Boosting思想实现的一种集成学习算法，核心思想是提高【在前一步中分类错误的样本权重】来训练一个强分类器，错误的数据会“放大”，正确的数据会“缩小
进击的卡特琳娜·2024-01-15 09:41

机器学习---lightGBM

AdaBoost两个问题：(1)如何改变训练数据的权重或概率分布提高前⼀轮被弱分类器错误分类的样本的权重，降低前⼀轮被分对的权重(2)如何将弱分类器组合成⼀个强分类器，亦即，每个分类器，前面的权重如何设置采取
三月七꧁ ꧂·2024-01-15 08:24

半监督学习 - 半监督支持向量机（Semi-Supervised Support Vector Machines）

与传统的监督SVM不同，S3VM通过结合有标签数据和无标签数据来提高分类器的性能。以下是半监督支持向量机的基本思想和步骤：基本思想利用未标记数据：利用未标记的数据来增加模型的泛化性能。
草明·2024-01-15 06:47

史诗级长文--朴素贝叶斯

引言朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。
SQingL·2024-01-14 18:38

理论U2 贝叶斯决策理论

最小错误率贝叶斯决策1、目标2、例题分析3、问题1）决策的风险四、最小风险贝叶斯决策1、背景2、基本概念1）损失函数2）条件期望损失：3）期望风险：3、目标4、决策5、算法步骤6、例题分析五、两种贝叶斯的关系六、朴素贝叶斯决策
轩不丢·2024-01-14 12:43

ML12-朴素贝叶斯分类

朴素贝叶斯分类是一种经典的机器学习算法，本主题从贝叶斯的应用场景，到其数学基础，并到最终的实现与应用做了介绍。
杨强AT南京·2024-01-13 18:03

混淆矩阵

混淆矩阵是一个表，经常用来描述分类模型(或“分类器”)在已知真实值的一组测试数据上的性能。混淆矩阵本身比较容易理解，但是相关术语可能会令人混淆。
Phoenix Studio·2024-01-13 15:16

机器学习案例【决策树】--泰坦尼克号幸存者预测

前置知识点：数据的处理与清洗交叉验证网格搜索1.数据处理：查看数据信息：data.info()data.head()将文字转为数字:我们的决策树的分类器只能处理数字，所以我们的标签的类型必须是数字,所以如果下面的特征是
Stitch的实习日记·2024-01-13 03:05
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他