LIBLINEAR分类器

【技术博客】对抗性域适应

域适应通过将源域和目标域的特征投影到相似的特征空间，这样就可以拿源域的分类器对目标域进行分类了下面拿二分类做说明，如下图：域.PNG图中红圈是源域，蓝圈是目标域，圆圈和叉是不同特征的数据，源域的分类器将源域的数据分为两类
MomodelAI·2023-08-05 09:59

集成学习算法是什么？如何理解集成学习？

它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成组合预测，因此优于任何一个单分类的做出预测。
传智教育·2023-08-05 05:33

【Python机器学习】实验08 决策树

算法生成决策树7利用数据构造一颗决策树Scikit-learn实例决策树分类决策树回归Scikit-learn的决策树参数决策树调参实验1通过sklearn来做breast_cancer数据集的决策树分类器训练准备数据训练模型测试模型实验
Want595·2023-08-04 14:15

OpenAI因“准确率低”的原因停止了其AI写作检测器

周四，OpenAI悄悄地撤下了其AI分类器，这是一个实验性工具，旨在检测由AI生成的文本。
大雾的小屋·2023-08-04 12:30

Pytorch学习笔记 | 构建神经网络模型 | 提升效果的优化方法

importpandasaspdimportmatplotlib.pyplotaspltimporttorchimporttorch.nnasnnfromtorch.utils.dataimportDataset#构建一个神经网络分类器
惊鸿若梦一书生·2023-08-04 02:41

Scikit-learn中的特征生成处理

下面就汇总一下数据在前处理完成后和被送到分类器之前的阶段中，能够使用，带来便利的各种轮子。LabelEncoder在将字符串转换成ID的时候可以使用。
马力_Panotech·2023-08-03 23:57

【秋招】算法岗的八股文之机器学习

目录机器学习特征工程常见的计算模型总览线性回归模型与逻辑回归模型线性回归模型逻辑回归模型区别朴素贝叶斯分类器模型(NaiveBayes)决策树模型随机森林模型支持向量机模型(SupportVectorMachine
zz的大穗禾·2023-08-03 22:34

手把手教你写CS231N作业一 KNN分类器 详细解析 作业源文件 数据集

第一个实现KNN分类器。如果是windows环境，需要首先下载数据集。TheCIFAR-10dataset官网官网上也有关于本数据集的说明往下翻到下载，选择python版本的下载即可。
www_z_dd·2023-08-03 19:21

吴恩达深度学习-3.3目标检测

我们以之前的车辆检测举例，比如说我们想要检测左边这种图当中检测到是否有车辆存在的情况，那么我们需要建立一个数据集，这个数据集是那种车辆占满了图片的情况（为了检测效果好），通过训练之后，我们可以得到一个能分辨车辆是否存在的分类器
prophet__·2023-08-03 10:41

二十一章：PUZZLE-CAM:通过匹配局部和全局特征来改进定位

WSSS的主要局限性在于从使用图像分类器的CAM生成伪标签的过程主要集中在对象的最具区分性的部分。
Joney Feng·2023-08-03 05:43

机器学习之朴素贝叶斯（Naive Bayes）

朴素贝叶斯分类器(NaiveBayesClassifier或NBC)发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率，是应用最为广泛的分类算法之一。
智慧医疗探索者·2023-08-03 02:32

机器学习实战教程（一）：K-近邻算法（b）

5、测试算法：验证分类器机器学习算法一个很重要的工作就是评估算法的正确率，通常我们只提供已有数据的90%作为训练样本来训练分类器，而使用其余的10%数据去测试分类器，检测分类器的正确率。
公子曼步·2023-08-02 16:07

随机森林构造有哪些步骤？随机森林构造案例

在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。
传智教育·2023-08-02 07:44

opencv跟踪学习之KCF

相关滤波算法算是判别式跟踪，主要是通过核相关滤波器使用给出的样本去训练一个判别分类器，判断跟踪到的是目标还是周围的背景信息。主要使用轮转矩阵对样本进行采集，使用快速傅里叶变化对算法进行加速计算。
味千爱拉面·2023-08-02 01:29

计算机视觉实验：人脸识别系统设计

1.人脸识别系统设计(1)人脸识别系统设计（必做）：根据课堂上学习的理论知识（包括特征提取、分类器设计），设计一个人脸识别系统，该系统具有较好的识别率。
Asionm·2023-08-01 10:21

机器视觉

机器视觉导论图像分类线性分类器K折交叉验证全连接神经网络多层感知器（全连接神经网络）激活函数SOFTMAX和交叉熵计算图与反向传播再谈激活函数Adam算法Xavier初始化（应用于sigmoid函数）HE
王梦辰今天背单词了吗·2023-08-01 03:18

【机器学习 & 深度学习】通俗讲解集成学习算法

目录：集成学习一、机器学习中的集成学习1.1定义1.2分类器(Classifier)1.2.1决策树分类器1.2.2朴素贝叶斯分类器1.2.3AdaBoost算法1.2.4支持向量机1.2.5K近邻算法
旅途中的宽~·2023-07-31 19:29

第六章 支持向量机

缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适⽤于处理⼆类问题。适⽤数据类型：数值型和标称型数据。
Keep--Silent·2023-07-31 18:58

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，间隔最大使它有别于感知机；支持向量机还包括核技巧，这使它成为实质上的非线性分类器。
千与千与·2023-07-31 17:22

人工智能安全-2-非平衡数据处理

非平衡数据对各种分类器的影响：KN
HenrySmale·2023-07-31 14:42

Boosting（一）

在分类问题中，它通过改变训练样本的权重学习多个分类器，并将这些分类器进行线性组合，提高分类的性能。常见的Boosting算法有AdaBoosting算法，本节就主要介绍Ada
做个爱笑的大男孩·2023-07-31 11:10

SVM（一）线性可分支持向量机

当训练数据线性可分时，通过硬间隔最大化，学习一个线性的分类器，即线性可分支持向量
做个爱笑的大男孩·2023-07-31 11:10

6.2.tensorRT高级(1)-第一个完整的分类器程序

目录前言1.CNN分类器2.补充知识2.1知识点2.2智能指针封装总结前言杜老师推出的tensorRT从零起步高性能部署课程，之前有看过一遍，但是没有做笔记，很多东西也忘了。
爱听歌的周童鞋·2023-07-31 09:15

论文阅读：Asymmetric Tri-training for Unsupervised Domain Adaptation

Tri-training均等地利用三个分类器为未标记的样本提供伪标签，但是该方法不假定标记样本是从其他域生成的。
more_simple·2023-07-31 07:55

传统计算机视觉

传统计算机视觉计算机视觉难点图像分割基于主动轮廓的图像分割基于水平集的图像分割交互式图像分割基于模型的运动分割目标跟踪基于光流的点目标跟踪基于均值漂移的块目标跟踪基于粒子滤波的目标跟踪基于核相关滤波的目标跟踪目标检测一般目标检测识别之特征一般目标检测识别之分类器基于模型拟合的目标检测
Debroon·2023-07-31 00:47

多分类问题-Softmax Classifier分类器

概率分布：属于每一个类别的概率总和为0，且都>=0，n组类别需要n-1个参数就能算出结果数据预处理loss函数crossentropyloss()函数CrossEntropyLossLogSoftmax+NLLLoss。也就是说使用CrossEntropyLoss最后一层(线性层)是不需要做其他变化的；使用NLLLoss之前，需要对最后一层(线性层)先进行SoftMax处理，再进行log操作。nl
Yuerya.·2023-07-30 16:26

cnn卷积神经网络（基础）

convolutionalneuralnetworks特征提取（卷积、下采样）->分类器（全连接）卷积过程依次进行数乘（每个相同位置上的数字相乘再加和）左右数乘矩阵channel数量要一样，输出得到一个通道卷积核与图像无关
Yuerya.·2023-07-30 16:55

GAN

生成模型G捕捉样本数据的分布，判别模型D是一个二分类器，估计一个样本来自于训练数据（而非生成数据）的概率。
BookIdiot·2023-07-30 12:32

全连接层详解

https://blog.csdn.net/qq_39521554/article/details/81385159全连接层：（fullyconnectedlayers，FC）在整个卷积神经网络中起到“分类器
梦在黎明破晓时啊·2023-07-30 11:35

ConnSearch：如何对有限样本量进行功能连接分析？

摘要功能连接研究越来越多地转向机器学习方法，这些方法通常涉及拟合全连接组网络的分类器，然后进行事后解释分析，以确定最能预测因变量的神经相关因素。然而，这种传统的分析范式存在两个主要限制。
茗创科技·2023-07-30 01:49

Hum Brain Mapp：脑电图中的性别相关模式及其在机器学习分类器中的相关性

导读深度学习越来越多地用于从脑电图(EEG)数据中检测神经和精神疾病，但该方法容易无意中纳入训练数据的偏差并利用不合理的模式。最近的研究表明，深度学习可以通过EEG检测性别，这意味着在基于深度学习的疾病检测器中可能存在与性别相关的偏见，因为许多疾病在男性和女性之间的患病率不平等。在这项工作中，研究者介绍了卷积神经网络使用的男性和女性典型模式，该网络可从临床EEG中检测性别(在包含142名患者的单独
茗创科技·2023-07-30 01:18

十九章：利用跨图像语义挖掘进行弱监督语义分割

目前流行的解决方案利用分类器的对象定位图作为监督信号，并努力使定位图捕捉更完整的对象内容。与之前主要关注于图像内部信息的努力不同，我们着眼于跨图像语义关系在全面对象模式挖掘中的价值。
Joney Feng·2023-07-29 21:14

用R语言来进行ababoost模型的构建

它的核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。
211统计课堂·2023-07-29 17:57

十七章：FickleNet：使用随机推理进行弱监督和半监督语义图像分割

大多数基于图像级注释的方法使用从分类器获得的定位地图，但这些地图仅关注对象的小区别部分，不捕捉精确的边界。FickleNet探索由通用深度神经网络创建的特征图上的各种位置的组合。
Joney Feng·2023-07-29 15:38

Python机器学习笔记：XgBoost算法

https://www.cnblogs.com/wj-1314/p/9402324.html前言1，Xgboost简介Xgboost是Boosting算法的其中一种，Boosting算法的思想是将许多弱分类器集成在一起
SeaSky_Steven·2023-07-29 11:26

【深度学习笔记】Softmax 回归

感兴趣的网友可以观看网易云课堂的视频进行深入学习，视频的链接如下：神经网络和深度学习-网易云课堂也欢迎对神经网络与深度学习感兴趣的网友一起交流~目录1Softmax激活函数2Softmax分类器1Softmax
洋洋Young·2023-07-29 10:15

十五章：使用类别峰值响应的弱监督实例分割

只通过图像标签的监督下，完全卷积的CNN分类器可以生成类别响应图，该图指定每个图像位置的分类置信度。我们观察到，类别响应图中的局部最大值，即峰值，通常对应于实例内部的强视觉线索。
Joney Feng·2023-07-29 07:49

机器学习-逻辑斯特回归及其手写实现梯度下降

它实质上是一个线性分类器。在之前介绍的线性分类器中，h(x)=Θ*x+Θ0，如果h(x)>0，则样本x属于正类，否定x属于负类。
idotc·2023-07-29 04:03

论文解读｜Struck算法：基于结构化输出预测的自适应视觉目标跟踪框架

在传统的跟踪方法中，通常采用基于检测的方式，即尝试学习一个分类器来区分目标对象和其周围的背景。然而，这种方法存在一些问题，例如需要手动选择特征和参数，容易受到噪声和目标变化的影响。
BFT白芙堂·2023-07-29 02:14

神经网络基础

文章目录一、神经网络基础1.得分函数f(xi;W,b)1）从输入到输出的映射2）数学表示3）计算方法4）多组权重参数构成了决策边界2.损失函数L3.前向传播4.Softmax分类器梯度下降2.反向传播一
木筏筏筏·2023-07-28 21:46

K最近邻与线性分类器（下）

Linearclassifier学习一个函数，输入是x，其中x是图像，W是参数(线性回归中每一个的系数),b为常数项，输出是10个数字，代表归属于不同的类。我们可以看下面的这个例子：假设一张图片由2*2的像素表示，共有三类，那上述公式的计算如下可以看到被预测为猫的分数为负数，代表选择的W并不能很好的完成分类任务，需要调整，如何调整呢？在调整之前现需要定义一个分类好坏的标准。损失函数损失函数（los
听城·2023-07-28 21:15

19机器学习开放基础课程--线性回归和线性分类器

线性回归和线性分类器最小二乘法对线性模型而言，依赖函数的形式如下：image.png如果为每项观测加上一个虚维度x0=1（比如偏置），那么就可以把w0整合进求和项中，改写为一个略微紧凑的形式：image.png
Jachin111·2023-07-28 20:15

【NLP入门教程】十七、朴素贝叶斯分类器

朴素贝叶斯分类器（NaiveBayesClassifier）是一种常用的概率分类算法，尤其在文本分类领域得到广泛应用。它基于贝叶斯定理和特征之间的独立性假设，具有简单、高效和良好的可扩展性。
晨星同行·2023-07-28 19:37

梯度提升树的参数

目录1.迭代过程1.1初始预测结果的设置1.2使用回归器完成分类任务①二分类情况②多分类情况1.3GBDT的8种损失函数①分类器中的lossa.二分类交叉熵损失b.多分类交叉熵损失c.二分类指数损失d.
talle2021·2023-07-28 16:40

【机器学习】随机森林 – Random forest

它由多个决策树组成，每个决策树都是一个弱分类器。随机森林的主要特点包括：1.随机选择特征子集：对于每个决策树，随机森林会从原始特征中随机选择一部分特征作为训练子集。
信息安全与项目管理·2023-07-28 14:53

opencv python 训练自己的分类器

源码下载一、分类器制作1.样本准备收集好你所需的正样本，和负样本，分别保存在不同文件夹在pycharm新建项目，项目结构如下：has_mask文件夹放置正样本，no_mask文件夹放置负样本安装opencv
古智云开·2023-07-28 05:01

【NLP】一个使用PyTorch实现图像分类的迁移学习实例

一个使用PyTorch实现图像分类的迁移学习实例1.导入模块2.加载数据3.模型处理4.训练及验证模型5.微调6.其他代码在特征提取中，可以在预先训练好的网络结构后修改或添加一个简单的分类器，然后将源任务上预先训练好的网络作为另一个目标任务的特征提取器
镰刀韭菜·2023-07-28 05:24

分类算法 - adaboost

一、定义Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。
dora_yip·2023-07-28 00:05

机器学习之Boosting和AdaBoost

1Boosting和AdaBoost介绍1.1集成学习集成学习(EnsembleLearning)算法的基本思想就是将多个分类器组合，从而实现一个预测效果更好的集成分类器。
智慧医疗探索者·2023-07-27 20:45

机器学习（六）——支持向量机

支持向量机的理念也非常简单，从它的别名“大间距分类器”我们也能窥知一二。简单点说，支持向量机就是找到这么一个（决策）边界（或者理解成分界线，专业点说，叫超平面），既能将两个分类
夏普123·2023-07-27 16:50
上一页 19 20 21 22 23 24 25 26 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他