引言：    线性模型（linear modal）试图学得一个通过属性的线性组合来进行预测的函数。本文介绍两种经典的线性模型，分别是回归任务中的线性回归（linear regression）与二分类任务中的逻辑回归（logistic regression）。    如图1，在二维空间中有一些样本点，我们用一条直线对这些点进行拟合，该直线称为最佳拟合直线。线性回归就是根据训练集，寻找对训练样...

引言：    k均值（k-means）是一种聚类算法，其工作流程如下：随机选择k个点作为初始质心（质心即簇中所有点的中心），然后将数据集中的每个点分配到一个簇中，具体来讲，为每个点找距其最近的质心，并将其分配给该质心所对应的簇。这一步完成之后，每个簇的质心更新为该簇所有点的平均值。重复以上步骤，直到质心不发生变化。    k均值的操作解释参见图1。图1    然而随机地选取初始...

引言：    朴素贝叶斯（naïve Bayes）法是基于贝叶斯定理与特征条件独立假设的分类方法。在统计学中，相互独立的含义是它们中一个已发生，不影响另一个发生的概率，即特征条件独立指一个特征出现的可能性与它的相邻没有关系。    基本思想如下：    假设训练集标记类别集合为{c1,c2}，P(c1|x1,x2)为给定数据点(x1,x2)来自类别c1的概率；P(c2|x1,x2)为给...

一、背景知识1. 图像特征2. 数字函数的一阶导数和二阶导数3. 导数与图像特征关系二、孤立点的检测三、线检测四、边缘检测1. 边缘模型2. 基本边缘检测① Roberts算子② Prewitt算子③ Sobel算子3. 更先进的边缘检测技术① Marr-Hildreth边缘检测器（LoG和DoG）② 坎尼边缘检测器（Canny）4. 轮廓检测（边缘连接）五、代码实现（Python+OpenCV.

＃

＃

引言：    k近邻法（k-nearest neighbor, kNN）是一种基本分类与回归方法，其基本做法是：给定测试实例，基于某种距离度量找出训练集中与其最靠近的k个实例点，然后基于这k个最近邻的信息来进行预测。    通常，在分类任务中可使用“投票法”，即选择这k个实例中出现最多的标记类别作为预测结果；在回归任务中可使用“平均法”，即将这k个实例的实值输出标记的平均值作为预测结果；还...

引言：    k近邻法（k-nearest neighbor, kNN）是一种基本分类与回归方法，其基本做法是：给定测试实例，基于某种距离度量找出训练集中与其最靠近的k个实例点，然后基于这k个最近邻的信息来进行预测。    通常，在分类任务中可使用“投票法”，即选择这k个实例中出现最多的标记类别作为预测结果；在回归任务中可使用“平均法”，即将这k个实例的实值输出标记的平均值作为预测结果；还...