knn分类器

rk1126, 实现 yolov8 目标检测

基于RKNN1126实现yolov8目标检测Ⓜ️RKNN模型转换ONNXyoloexportmodel=.
J ..·2024-01-22 08:51

Weka在数据挖掘中的运用 02 Getting Started with Weka

Weka的发音不是Weaker安装Weka研究“Explorer”接口研究一些数据集创建一个分类器解释输出使用filters（过滤器）可视化数据集安装Wekajava环境安装包选择适合你电脑系统的版本。
jenye_·2024-01-22 03:00

数学建模常见算法的通俗理解（2）

目录6K-Means（K-均值）聚类算法（无需分割数据即可分类）6.1粗浅理解6.2算法过程6.2.1选定质心6.2.2分配点6.2.3评价7KNN算法（K近邻算法）（K个最近的决定方案）7.1粗浅理解
菜只因C·2024-01-21 17:22

AI基于近邻图的向量搜索案例（二）

Graph部分Graph部分，通过先构建KNN图，再根据RNGRule移除不符合要求的边，得到RNG。KNN图的构建KNN图是指对于样本数据中的每一个点，将其自身与K个近邻点连接而形成的图。
人工智能MOS·2024-01-21 16:32

2015-5-23PDF的下载链接

http://pan.baidu.com/s/1dDtSP2LNode应用程序构建使用MongoDB和Backbone_PDF电子书下载带书签目录完整版http://pan.baidu.com/s/1c04KnNMPhoneGap
qq2011705918·2024-01-21 12:43

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

fft之后的实际频率

fft的数学公式为：X[k]=1N∑n=1Nx[n]ej2πknNX[k]=\frac{1}{N}\sum_{n=1}^{N}x[n]e^{j\frac{2\pikn}{N}}X[k]=N1n=1∑Nx
nwsuaf_huasir·2024-01-21 08:00

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

快速入门：使用 Gemini Embeddings 和 Elasticsearch 进行向量搜索

Elasticsearch将使我们能够执行向量搜索(Knn)来查找相似
Elastic 中国社区官方博客·2024-01-21 06:50

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

automl框架:AutoGluon介绍

框架是基于超参数搜索技术，例如基于贝叶斯搜索的hyperopt技术等AutoGluon则依赖融合多个无需超参数搜索的模型，三个臭皮匠顶个诸葛亮stacking:在同一份数据上训练出多个不同类型的模型，这些模型可以是KNN
李白唱着歌去镇上·2024-01-21 03:58

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

yolov5_master的下载、环境搭建、数据处理及训练全过程

本文借用了以下微博的文章，觉得写的比较全，所以照抄了过来，并且搭建了一遍可以正常训练，在这里作为笔记以后用的时候方便找，这个yolov5_master的使用可以将pth模型文件转换为onnx文件，进而转换为rknn
YANQ662·2024-01-19 23:36

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

一个简单的KNN实现方法

对于许多离散问题，经过神经网络解决再通过softmax之后每一个值在[0,1]之间的连续变量，想要将其离散化，即离散化到每个元素都是binary-variable，即0-1，这时可以用KNN方法，其实就是找到与这个向量的方差最小的
远离科研，保命要紧·2024-01-19 08:03

OpenCV-Python(47):支持向量机

如果是使用kNN算法，对于一个测试数据我们要测量它到每一个样本的距离，从而根据最近的邻居分类。测量所有的距离需要足够的时间，并且需要大量的内存存储训练样本。
图灵追慕者·2024-01-19 06:43

OpenCV-Python(46)：基于KNN的手写数字OCR识别

目标根据掌握的kNN知识创建一个基本的OCR程序使用OpenCV自带的手写数字和字母数据测试我们的程序手写数字的OCR我们的目的是创建一个可以对手写数字进行识别的程序。
图灵追慕者·2024-01-19 06:12

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

KNN回归：通过折叠交叉验证来寻找最佳的k值并绘制折线图

fromsklearnimportdatasetsfromsklearn.neighborsimportKNeighborsClassifierfromsklearn.model_selectionimportGridSearchCV#导入鸢尾花数据集iris=datasets.load_iris()X=iris.datay=iris.target#设置需要搜索的K值parameters={'n_
g191913·2024-01-19 03:05

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

KNN算法原理及应用

理解KNN算法原理KNN是监督学习分类算法，主要解决现实生活中分类问题。根据目标的不同将监督学习任务分为了分类学习及回归预测问题。
小森( ﹡ˆoˆ﹡ )·2024-01-18 04:51

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

Knn算法原理

看下面这幅图：KNN的算法过程是是这样的：从上图中我们可以看到，图中的数据集是良好的数据，即都打好了label，一类是蓝色的正方形，一类是红色的三角形，那个绿色的圆形是我们待分类的数据。如果K=
程序猿小小白·2024-01-17 23:42

机器学习小记——KNN（K近邻）

为了让绝大多数人都可以看懂，所以我就用简单的话语来讲解机器学习每一个算法第一次写ML的博文，所以可能会有些地方出错，欢迎各位大佬提出意见或错误祝大家开心进步每一天～博文代码全部为python简单的说一下什么是机器学习，机器学习英文名称是MachineLearning,ML机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学
AI小白龙*·2024-01-17 22:07

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-KNN近邻算法分类模型、交叉验证

K近邻法的工作原理：某个未知类型点的特征数据距离K个已有类型近邻点特征数据的距离，根据这个距离对未知类型的数据进行分类KNN模型超参数K值：K值不同会导致分类结果的不同距离：采用欧几里得公式求得距离适用范围
AAI机器之心·2024-01-17 15:04

一文带你了解机器学习算法

1.常见的机器学习算法有哪些KNN算法、线性回归法、决策树算法、随机森林算法、PCA算法、SVM算法等等2.什么是机器学习简单的说，机器学习就是让机器从数据中学习，进而得到一个更加符合现实规律的模型，通过对模型的使用使得机器比以往表现的更好
AAI机器之心·2024-01-17 15:03

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

机器学习：李航 统计学习方法 笔记

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DiscrimitiveApproach：k近邻/knn
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

分类模型—监督学习

监督学习KNN基本原理寻找目标数据点附近最近的K个点，采用投票的方式判断测试数据点所属类别算法步骤1.计算测试数据与训练数据之间的距离2.按照距离的递增关系进行排序3.选取距离最小的K个点4.确定K个点所在类别出现的频率
Carolina_Wang·2024-01-17 00:13

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
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他