1、K-近邻算法（KNN）概述（有监督算法，分类算法）最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个测试对象同时与多个训练对象匹配，导致一个训练对象被分到了多个类的问题，基于这些问题呢，就产生了KNN。KNN是通...

最后以巨佬——“贝叶斯大爷”作为基本机器学习算法学习的压轴算法》》》》》》》》》》》》》膜拜！！！！！！1 准备知识：条件概率公式　　2 如何使用条件概率进行分类　　假设这里要被分类的类别有两类，类c1和类c2，那么我们需要计算概率p(c1|x,y)和p(c2|x,y)的大小并进行比较：如果：p(c1|x,y)>p...

DPM算法由Felzenszwalb于2008年提出，是一种基于部件的检测方法，对目标的形变具有很强的鲁棒性。目前DPM已成为众多分类、分割、姿态估计等算法的核心部分，Felzenszwalb本人也因此被VOC授予"终身成就奖"。DPM算法采用了改进后的HOG特征，SVM分类器和滑动窗口（Sliding Windows）检测思想，针对目标的多视角问题，采用了多组件（Comp...

一、卷积层1.卷积操作2.特征提取—"X" or "O"？二、池化(Pooling)三、Relu 层四、全连接层(Fully connected layers)五、反向传播算法BP六、总结作为机器学习的一个分支，深度学习同样需要计算机获得强大的学习能力，那么问题来了，我们究竟要计算机学习什么东西？答案当然是图像特征了。将一张图像看做是一个个像素值组成的...

1.训练决策树时的参数是什么？DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=2,max_features=None, max_leaf_nodes=None,min_impurity_decrease=0.0, min_impurity_split...

先上公式推导吓吓萌新。。。嘻嘻上图中两个决策边界（虚线）的间隔为,可以把它看做求两条平行直线的距离，只是这里是超直线罢了，例如：两平行线方程分别是：Ax+By+C1=0和Ax+By+C2=0则它们之间的距离,这里的x,y写成向量形式就是x={x,y},w={A,B}.更多详细推导原理：https://blog.csdn.net/qq_30815237/article/detai...

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。阈值法：全局阈值、自适应阈值、OTSU（直方图）区域生长法边缘检测特征聚类：K-means直方图阈值分割灰度阈值分割法是一种最常用的并行区域技术，它是...

官方文档：https://docs.opencv.org/3.4.3/dd/d81/facerec_8hpp.html源代码在 .\opencv_contrib-3.4.3\modules\face\src中Opencv实现从OpenCV2.4开始，加入新的类FaceRecognizer，可以用它方便的进行人脸识别实验。人脸识别的任务也就是两大部分，训练和预测，分别对应着train...

不贴图都没人看系列。。。。线性回归推导：上图求导部分有误,少些一个转置符号，更正为：逻辑回归推导：（公式中“ln”和“log”表示一个意思，都是以“e”为低的自然对数）：公式中：X是m*n矩阵，m个样本，n维特征。1、内容简介：本章我们将从最简单的模型之一——线性回归模型，开始介绍两种非常不同的训练模型的方法：...

简介：与SVM一样，决策树也是一种多功能的机器学习算法，它可以实现分类和回归任务，甚至是多输出任务。它们功能强大，能够拟合复杂的数据集。决策树同时也是随机森林（参见第7章）的基本组成部分，后者是现今最强大的机器学习算法之一。首先，我们会讨论如何对决策树进行训练、可视化和预测；然后介绍Scikit-Learn的CART训练算法，讨论如何对决策树进行正则化并将其用于回归...