k近邻分类器

研报复现初探—华泰金工人工智能选股系列之boosting模型

由此可知随机森林的n个分类器是并行的，而boosting与bagging不同，boostin
lilingyu1993·2023-01-15 14:13

机器学习实战 K近邻算法（附数据集）

机器学习实战K近邻算法实验环境：程序在Anaconda的JupyterNotebook上运行，Python版本3.6.6。
天空没有任何界限·2023-01-15 14:11

【回顾】GBDT、XGBoost、LightGBM原理及对比

AdaBoost概述Adaboost(AdaptiveBoosting，自适应增强)算法是一种提升方法，将多个弱分类器，组合成强分类器。它的自适应在于：前一个弱分类器分错的样本的权值（样本对应的
Mr_不想起床·2023-01-15 13:05

GBDT、XGBoost、LightGBM简要描述

1.GBDT(1.)GBDT原理GBDT的原理很简单，就是所有弱分类器的结果相加等于预测值，然后下一个弱分类器去拟合误差函数对预测值的残差(这个残差就是预测值与真实值之间的误差)。
hezi321·2023-01-15 13:04

机器学习实验二

六、代码实现一.算法原理二.基本步骤三.量化纯度四.剪枝处理五.连续值处理一、算法原理1.决策树（DecisionTree）是一种简单但是广泛使用的分类器。通过训练数据构建决策树，可以高效的对未知的
ZTtttong·2023-01-15 13:26

YOLO家族系列模型的演变：从v1到v8（上）

在YOLO出现之前，检测图像中对象的主要方法是使用不同大小的滑动窗口依次通过原始图像的各个部分，以便分类器显示图像的哪个部分包含哪个对象。这
·2023-01-15 11:44

tensorflow2自制数据集实线猫狗分类

自制数据集实现猫狗分类使用自制数据集训练神经网络模型实现猫狗分类器。
qq_27327279·2023-01-15 10:17

Python&OpenCV识别视频人脸

人脸识别一般是通过分类器来完成，而分类器需要专门的训练得到，此处，为了简便，我们利用OpenCV提供的人脸识别分类器进行识别。
有趣的代码·2023-01-15 04:48

基于小波时间散射网络的ECG 信号分类

可参考之前写的一篇文章小波散射网络初级探索-哥廷根数学学派的文章-知乎https://zhuanlan.zhihu.com/p/538686252本文讲解如何使用小波时间散射网络（WTSN）和支持向量机(SVM)分类器对人体心电图
哥廷根数学学派·2023-01-15 01:38

实战五十：基于机器学习朴素贝叶斯的微博评论情感分析实战（毕设项目 完整的代码+数据集）

之后利用分类算法，如朴素贝叶斯、SVM等，针对训练集的特征向量以及类标签进行训练，得到分类模型，并通过计算在测试集上的预测准确率、召回率等对分类器的分类效果以及不同参数影响进行性能评估。
甜辣uu·2023-01-14 21:04

CVPR 2022：Generalized Few-shot Semantic Segmentation 解读

FS-Seg的Pipeline区别4TowardsGFS-Seg5上下文感知原型学习（CAPL）6实验7结论8参考链接1前言之前已经有过关于小样本语义分割的论文解读，关于如何用Transformer思想的分类器进行小样本分割
李响Superb·2023-01-14 15:51

数据挖掘-目录-分类器（classification）

k-nearestneighborsGLMNaiveBayesSupportVectorMachinesStochasticGradientDescentLogisticRegressionDecisionTreeCARTHuntID3C4.5KNIMEGradient-BoostedTrees（梯度提升树）MultilayerPerceptronRandomForest（随机森林）
猿与禅·2023-01-14 11:09

论文阅读 (64)：Weakly-supervised Video Anomaly Detection with Robust Temporal Feature Magnitude Learning

文章目录1引入1.1题目1.2代码1.3摘要1.4Bib2RTFM2.1理论动机2.2多尺度时间特征学习2.3特征量级学习2.4RTFM帧级分类器3实验3.1数据集和度量标准3.2实现细节1引入1.1题目
因吉·2023-01-14 11:53

粗读Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

最后分类器会综合特征图和RPN的输出，判断哪些框框住了真实物体以及这个物体的类别。
格里芬阀门工·2023-01-14 09:45

（二）机器学习的流程概述，线性规划，图像分类

目录前言一、图像表示基于像素的图像表示分类模型1.线性分类器的定义2.线性分类器的权值损失函数1.损失函数的定义2.多类支撑向量机损失3.正则项与超参数-什么是正则项？-什么事超参数？
BoyCZ·2023-01-14 09:06

[python机器学习及实践(2)]Sklearn实现朴素贝叶斯

1.朴素贝叶斯简介朴素贝叶斯（NaiveBayes）是一个基于贝叶斯理论的分类器。它会单独考量每一唯独特征被分类的条件概率，进而综合这些概率并对其所在的特征向量做出分类预测。
weixin_33762321·2023-01-14 07:13

Sklearn（v3）——朴素贝叶斯(1)

真正的概率分类器在许多分类算法应用中，特征和标签之间的关系并非是决定性的。比如说，我们想预测一个人究竟是否会在泰坦尼克号海难中生存下来，那我们可以建一棵决策树来学习我们的训练集。
Grateful_Dead424·2023-01-14 07:11

sklearn学习笔记5：朴素贝叶斯

sklearn为我们提供了四个朴素贝叶斯的分类器naive_bayes.BernoulliNB：伯努利分布下的朴素贝叶斯naive_bayes.GaussianNB：高斯分布下的朴素贝叶斯naive_bayes.MultinomialNB
奔跑的蜗牛君666·2023-01-14 07:11

sklearn中的朴素贝叶斯

1概述1.1真正的概率分类器在许多分类算法应用中，特征和标签之间的关系并非是决定性的。如想预测一个人究竟是否能在泰坦尼克号海难中生存下来，可以建一棵决策树来学习训练集。
momokofly·2023-01-14 07:40

使用YOLO框架Darknet进行分类预训练

网络上大部分整理的博文都是关于YOLO以及YOLOv2的finetune过程，但由于实际的业务数据的要求，需要得到与之匹配的预训练模型，本文将使用YOLO的网络进行预训练，得到适合自己的分类器。
Saber-alter·2023-01-14 07:04

sklearn GridSearchCV网格搜索和SVM的两个参数 C 和 gamma

引用自：公众号：写bug的程旭源个人博客：写bug的程旭源常用参数解读：estimator：所使用的分类器，如estimator=RandomForestClassifier(min_samples_split
写bug的程旭源·2023-01-14 03:20

4、线性分类: SVM, Softmax

最后，我们描述了k-近邻（KNN）分类器，它通过将待标记的图像与训练集中已经标记好的图像进行比较来标记图像。KNN有许多缺点：分类器必须记住所有的训练数据，并将其存储起来，以备将来与测试数据进行比较。
qxdx.org·2023-01-13 22:28

Softmax classifier

Softmaxclassifier原文链接SVM是两个常见的分类器之一。另一个比较常见的是Softmax分类器，它具有不同的损失函数。
逗逗飞·2023-01-13 22:28

机器学习入门（3、分类算法）

有监督的学习算法包含预测和分类两种，预测是对连续型数值进行计算的算法，分类是对阈值内外数值进行判断的分类器算法。在sklea
奈々生様·2023-01-13 22:53

统计学习方法——第7章 支持向量机（个人笔记）

统计学习方法——第7章支持向量机（个人笔记）参考《统计学习方法》（第二版）李航支持向量机（supportvectormachines，SVM）是一种二分类模型，是定义在特征空间上的间隔最大的线性分类器。
没用的阿鸡·2023-01-13 22:52

PCA降维、Eigenface+Fisherface鉴别

1.基础知识1.1最小距离分类器最小距离分类器又称最近邻分类（KNearestNeighbors），是一种非常简单的分类思想。
Elite_H·2023-01-13 19:25

NLP实战 | BERT文本分类及其魔改(附代码)

1.Baseline：Bert文本分类器Bert模型是Google在2018年10月发布的语言模型，一经问世就横扫NLP领域11项任务的最优结果，可谓风头一时无二。有关于Bert中tra
zenRRan·2023-01-13 17:25

FATE —— 二.4.3 使用冻结参数Bert进行情绪分类

在本例中，我们将使用FrozenParametersBert构造一个文本分类器，并在IMDB情感分类数据集上进行训练数据集：IMDB情感这是一个二进制分类数据集，您可以从这里下载我们的处理数据集：https
MMM881·2023-01-13 15:28

深度学习为什么如此受欢迎？都有哪些优点？

支持向量机是一种判别分类器，形式上由分离超平面定义。支持向量机的优化问题
Metahuber·2023-01-13 13:23

基于Python的酒店评论情感分析 报告+PPT+项目源码

其中，机器学习方法采用了多种算法，有支持向量机、神经网络、朴素贝叶斯以及逻辑回归四种，并比较各分类器的准确率，得到准确率最高的模型。关键词：酒店评论情感分析机器学习情感词典
biyezuopinvip·2023-01-13 11:14

共轭梯度法（Conjugate Gradients）（3）

最近在看ATOM，作者在线训练了一个分类器，用的方法是高斯牛顿法和共轭梯度法。看不懂，于是恶补了一波。学习这些东西并不难，只是难找到学习资料。简单地搜索了一下，许多文章都是一堆公式，这谁看得懂啊。
Yemiekai·2023-01-13 11:04

共轭梯度法（Conjugate Gradients）（2）

最近在看ATOM，作者在线训练了一个分类器，用的方法是高斯牛顿法和共轭梯度法。看不懂，于是恶补了一波。学习这些东西并不难，只是难找到学习资料。简单地搜索了一下，许多文章都是一堆公式，这谁看得懂啊。
Yemiekai·2023-01-13 11:32

AUC-评价一个二值分类器的优劣

AUC(areaunderthecurve)是ROC曲线下的面积。所以，在理解AUC之前，要先了解ROC是什么。而ROC的计算又需要借助混淆矩阵，因此，我们先从混淆矩阵开始谈起。混淆矩阵假设，我们有一个任务：给定一些患者的样本，构建一个模型来预测肿瘤是不是恶性的。在这里，肿瘤要么良性，要么恶性，所以这是一个典型的二分类问题。假设我们用y=1表示肿瘤是良性，y=0表示肿瘤是恶性。则我们可以制作如下图
没人关注·2023-01-13 10:58

机器学习中的分类器的性能指标

机器学习中的分类器的性能指标，也是实验结果的常用评价标准。主要有精度，召回率，准确率。此外还有平均精度AP、平均精度均值mAP和综合评价指标F1-Measure(或F1-Score)。
qiuchangyong·2023-01-13 10:26

决策树算法

Gini系数三、ID3决策树3.1划分标准3.2具体操作四、C4.5决策树4.1划分标准4.2剪枝策略五、CART决策树5.1划分标准5.2损失函数5.3剪枝策略决策树原理一、基本思想决策树是构建树型分类器来实现回归或者分类任务
ciaowzq·2023-01-13 10:56

【云周刊】第129期：探秘！双11背后的基础设施支撑

当AI来敲门，一刊尽览人工智能，一个小例子完美解释NaiveBayes（朴素贝叶斯）分类器，首届阿里巴巴中间件技术峰会来了...更多精彩技术资讯，尽在云周刊！本期头条免费下载！
aliyun32183·2023-01-13 10:23

基于机器学习算法的微博评论情感分析实战（毕设项目）

之后利用分类算法，如朴素贝叶斯、SVM等，针对训练集的特征向量以及类标签进行训练，得到分类模型，并通过计算在测试集上的预测准确率、召回率等对分类器的分类效果以及不同参数影响进行性能评估。
数学是算法的灵魂·2023-01-13 10:21

留一法交叉验证和普通交叉验证有什么区别？

这样得到N个分类器，N个测试结果。用这N个结果的平均值来衡量模型的性能。普通交叉
weixin_30809333·2023-01-13 09:56

python鸢尾花iris机器学习分类器分类

1.简介这篇文章主要是介绍了python基于sklearn库使用不同的机器学习分类器对鸢尾花iris数据集进行分类。
Lizhi_Tech·2023-01-13 09:07

分类——组合算法之提升1：AdaBoost提升算法以及Python实现

这里的“专家”就是一个个的基本分类器。分类提升(boosting):顾名思义，逐渐加入“专家预测”，从而使预测更精准。是一个递进过程。即第i个基本分类器的预测是建立在第i-1个基本分类器之上的。
slx_share·2023-01-13 07:38

Adaboost

Adaboost的基本认识集成学习的一种集成学习：建立多个模型，用某种方法，将多个模型联系在一起，使其输出结果优于单个模型Adaboost算法：建立多个弱分类器，给每个弱分类器赋予权重，将这些弱分类器结合在一起得到一个强分类器
wrany·2023-01-13 07:37

NLP新范式 prompt【0】

NLP新范式prompt【0】与使用具体的分类器的传统Fine-tuning不同，基于prompt的fine-tune直接使用预训练的模型来执行分类或回归的预训练任务。
Pin_BOY·2023-01-13 01:48

花书 《深度学习》 学习笔记 卷积神经网络-理论基础

第九章：卷积网络(convolutionalnetwork)卷积网络一般用在特征提取部分，最终再将提取到地特征作为输入放入到分类器中，那么为什么我们要使用卷积来提取特征，它的优势是什么？
NONE-C·2023-01-13 00:35

【深度学习】《深度学习理论与实战(基础篇)》第一章学习笔记

基于统计的模型的机器学习中的主流，包括逻辑回归(LogisticRegression)、朴素贝叶斯（NaiveBayes）分类器、隐马尔可夫
Razors_·2023-01-13 00:28

超级好用的机器学习的超参数优化，OPTUNA，随机森林代码示例

在下文中，我们将使用Optuna作为示例，并将其应用于随机森林分类器。1.导入库并获取新闻组数
robot_learner·2023-01-12 21:40

【阶段三】Python机器学习13篇：机器学习项目实战：支持向量机分类的算法原理

本篇的思维导图：支持向量机分类的算法原理支持向量机分类算法的基本思路1.最大间隔支持向量机说到底就是一种“线性分类器”，它以“间隔”作为损失的度量，目标通过不断调整多维的“直线”——超平面，使得间隔最大化
胖哥真不错·2023-01-12 20:00

adaboost算法简介

adaboost算法介绍最近开始学习人脸识别和分类器方面的东西，看了一篇介绍adaboost算法的论文，感觉不错，给大家分享一下：adaboost算法的指导思想是“三个臭皮匠赛过诸葛亮”，原理是从很多的弱分类算法中根据某种准则选择一些好的弱分类算法
zhouchengyunew·2023-01-12 17:23

adaboost简介和思考

boostingandbagging：bagging：（bootstrapaggregating）简称bagging，是一种基于数据随机抽取的分类器构造方法，从数据中按一定的抽取方式S个样本，然后s个样本对应
我的脚步声·2023-01-12 17:22

Real-time Hand-Detection using Neural Networks (SSD) on Tensorflow

其中许多方法是基于规则的（例如，基于纹理和边界特征来提取背景，使用色彩直方图和HOG分类器来区分手和背景等），因而它们的鲁棒性不是非常好。
程序小K·2023-01-12 16:49

AdaBoost介绍

集成学习算法可以分为Bagging（并行训练多个弱分类器，对于分类，采用投票方式，经典例子，随机森林），Boosting（迭代生成弱分类器，并将其加入到当前学习分类器，对数据集分配权重（容易分错的数据权重高
无脑敲代码，bug漫天飞·2023-01-12 16:17
上一页 43 44 45 46 47 48 49 50 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他