登录社区云,与社区用户共同成长
邀请您加入社区
本文介绍 CS/AI 的自学指南,旨在降低信息差。
冲冲冲!开干兄弟们,咱们要认真的听了:没有详细的教程,只有够细的人!这篇文章为黑马程序员的课件,由于本人已经看过了自己学习了一遍,所以推荐给大家,讲的确实不错,准备考试或者准备冲击大厂的小伙伴完全可以将的这一整个专栏当做学习资料。你边学习边思考,思维进行发散,形成自己的知识体系,这个是最好滴!在一个不远的未来,人类科技取得了前所未有的突破,诞生了一种名为“思维引擎”的AI生命体。这种AI不仅拥有超
这篇文章主要是记录HanLP标准分词算法整个实现流程。HanLP的核心词典训练自人民日报2014语料,语料不是完美的,总会存在一些错误。这些错误可能会导致分词出现奇怪的结果,这时请打开调试模式排查问题:HanLP.Config.enableDebug();那什么是语料呢?通俗的理解,就是HanLP里面的二个核心词典。假设收集了人民日报若干篇文档,通过人工手工分词,统计人工分词后...
输出下面三张表第一张R方是拟合优度对总回归方程进行F检验。显著性是sig。结果的统计学意义,是结果真实程度(能够代表总体)的一种估计方法。专业上,p 值为结果可信程度的一个递减指标,p 值越大,我们越不能认为样本中变量的关联是 总体中各变量关联的可靠指标。p 值是将观察结果认为有效即具有总体代表性的犯错概率。如 p=0.05 提示样本中变量关联有 5% 的可能是由...
人脸识别经历了早期算法,人工特征+分类器,深度学习三个阶段。一.早期算法1.基于几何特征的方法 每个人的面部器官例如眼睛、鼻子、嘴巴等都存在差异,因此每个人的面貌也千差万别。基于几何特征进行人脸识别的思想是将人脸的关键器官(例如眼睛,鼻子)的大小、形状以及相对位置构成一组几何特征,来表示人脸信息,从而根据特征矢量之间的匹配来进行人脸识别。 这种方法的优点是检测速度快。...
2019独角兽企业重金招聘Python工程师标准>>>...
在讲Lloyd’s 算法之前先介绍Voronoi图在数学中,Voronoi图是基于到平面的特定子集中的点的距离将平面划分成区域。预先指定一组点(称为种子,站点或生成器),并且对于每个种子,存在相应的区域,该区域由更接近该种子的所有点组成,而不是任何其他点。这些区域称为Voronoi细胞。在最简单的情况下,如图所示,我们在欧几里德平面上给出了一组有限的点{p1,...,pn}。在这种情况...
二、扫描线算法(Scan-Line Filling)扫描线算法适合对矢量图形进行区域填充,只需要直到多边形区域的几何位置,不需要指定种子点,适合计算机自动进行图形处理的场合使用,比如电脑游戏和三维CAD软件的渲染等等。对矢量多边形区域填充,算法核心还是求交。《计算几何与图形学有关的几种常用算法》一文给出了判断点与多边形关系的算法――扫描交点的奇偶数判断算法,利用此算法可以判断一个点是否在多...
早期成果卷积神经网络是各种深度神经网络中应用最广泛的一种,在机器视觉的很多问题上都取得了当前最好的效果,另外它在自然语言处理,计算机图形学等领域也有成功的应用。第一个真正意义上的卷积神经网络由LeCun在1989年提出[1],后来进行了改进,它被用于手写字符的识别,是当前各种深度卷积神经网络的鼻祖。接下来我们介绍LeCun在早期提出的3种卷积网络结构...
通常机器学习每一个算法中都会有一个目标函数,算法的求解过程是通过对这个目标函数优化的过程。在分类或者回归问题中,通常使用损失函数(代价函数)作为其目标函数。损失函数用来评价模型的预测值和真实值不一样的程度,损失函数越好,通常模型的性能越好。不同的算法使用的损失函数不一样。 损失函数分为经验风险损失函数和结构风险损失函数。经验风险损失函数指预测结果和实际结果的差别,结构风险损失函数...
novelty detection:当训练数据中没有离群点,我们的目标是用训练好的模型去检测另外发现的新样本outlier dection:当训练数据中包含离群点,模型训练时要匹配训练数据的中心样本,忽视训练样本中的其他异常点。一、outlier dection1.孤立森林(Isolation F...
首先总的纲领就是最优决策原理:过程的最优决策序列具有如下性质:无论过程的初始状态和初始决策是什么,其余的决策都必须相对于初始决策所产生的状态构成一个最优决策序列。下面逐步的来讲解怎么样通过动态决策构建最优二分检索树,首先一步一步的来:前奏:二分检索树(Binary Search Tree)的定义:二分检索树是一棵二元树,它或者为空,或者其每个结点的数据元素都可以比较大小,且满足下面...
网上有很多关于sklearn的学习教程,大部分都是简单的讲清楚某一方面,其实最好的教程就是官方文档。 官方文档地址:https://scikit-learn.org/stable/(可是官方文档非常详细,同时许多人对官方文档的理解和结构上都不能很好地把握,我也打算好好学习sklearn,这可能是机器学习的神器),下面先简单介绍一下sklearn。 自2007年发布以来,scik...
在得出random forest 模型后,评估参数重要性importance() 示例如下特征重要性评价标准%IncMSE 是 increase in MSE。就是对每一个变量 比如 X1 随机赋值, 如果 X1重要的话, 预测的误差会增大,所以 误差的增加就等同于准确性的减少,所以MeanDecreaseAccuracy 是一个概念的.IncNodePurity 也是一...
1. 关于随机优化(stochastic optimization)随机优化技术常被用来处理协作类问题,它特别擅长处理:受多种变量的影响,存在许多可能解的问题,以及结果因这些变量的组合而产生很大变化的问题。例如:在物理学中,研究分子的运动在生物学中,预测蛋白质的结构在计算机科学中,预测算法的最坏可能运行时间NASA甚至使用优化技术来设计具有正确操作特性的天线,而这...
Softmax classifier在线性分类和SVM中已经介绍过了线性分类和Multiclass SVM的基本概念,这篇文章主要讨论Softmax分类器。Softmax分类器是除了SVM以外,另一种常见的线性分类器,它是Logistic回归推广到多类分类的形式。既然Softmax分类器是一种线性分类器,那么我们同样可以从这两个方面...
最近一直忙着找工作的事,难得抽出一点时间更新博客。前段时间仔细研究了一篇文章——运用机器学习来预测情感分类,也就是数据分析中最基本的分类模型的应用,感觉很有意思。于是自己在这篇文章基础上,完善了一下思路和代码,既有可视化的数据体验,也得到了不错的预测结果(主要靠调参数)。本文借...
1. 增加更多数据持有更多的数据永远是个好主意。相比于去依赖假设和弱相关,更多的数据允许数据进行“自我表达”。数据越多,模型越好,正确率越高。我明白,有时无法获得更多数据。比如,在数据科学竞赛中,训练集的数据量是无法增加的。但对于企业项目,我建议,如果可能的话,去索取更多数据。这会减少由于数据集规模有限带来的痛苦。2. 处理缺失值和异常值训练集中缺失值与异常值的意外出现,往往会导致...
生日蛋糕POJ - 1190题目:7月17日是Mr.W的生日,ACM-THU为此要制作一个体积为Nπ的M层生日蛋糕,每层都是一个圆柱体。设从下往上数第i(1 <= i <=M)层蛋糕是半径为Ri, 高度为Hi的圆柱。当i < M时,要求Ri > Ri+1且Hi > Hi+1。由于要在蛋糕上抹奶油,为尽可能节约经费,我们希望蛋糕...
上一节讲线性SVM时,文末提到在线性可分的情况下,找到一个支持向量,可求得b但是当出现下图实例时,一些异常点导致的线性不可分针对这种情况SVM提出了软间隔(soft margin),相对于硬间隔来说,简单将线性SVM看做硬间隔。回顾硬间隔时优化目标:min $\frac{1}{2}\left \| w_{2} \right \|_{2}^{2}$$s.t y_{i}(w...
spss描述统计结果的std.error具体含义是什么?他不同std.deviation2011年09月01日 std.error:标准误差 std.deviation:标准差 标准误:是样本统计量的标准差,如样本均数的标准差也称为均数的标准误,它反映了样本均数间的离散程度,也反映了样本均数与总体均数的差异,说明均数抽样误差的大小。在实际工作中,我们无法直接了解研究对象的总体情况...
注: 这篇文章用的OpenCV版本是2.4.10, 3以上的OpenCV版本相关函数可能有改动Opencv中通过使用findContours函数,简单几个的步骤就可以检测出物体的轮廓,很方便。这些准备继续探讨一下findContours方法中各参数的含义及用法,比如要求只检测最外层轮廓该怎么办?contours里边的数据结构是怎样的?hierarchy到底是什么鬼...
相关系数就是两个变量之间的相关程度,-1<0负相关,r>0正相关,r2越接近1表示越相关。P值即概率,反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值,一般以P < 0.05 为显著, P<0.01 为非常显著,其含义是样本间的差异由抽样误差所致的概率小于0.05 或0.01。在线性回归中,p<0.01(或者0.05)表示两个变量...
下面将结合Scikit-learn官网的逻辑回归模型分析鸢尾花示例,给大家进行详细讲解及拓展。由于该数据集分类标签划分为3类(0类、1类、2类),很好的适用于逻辑回归模型。1.鸢尾花数据集在Sklearn机器学习包中,集成了各种各样的数据集,包括前面的糖尿病数据集,这里引入的是鸢尾花卉(Iris)数据集,它是很常用的一个数据集。鸢尾花有三个亚属,分别是山鸢尾(Iris-setosa)...
背景介绍随着人工智能技术在爱奇艺视频业务线的广泛应用,深度学习算法在云端的部署对计算资源,尤其是 GPU 资源的需求也在飞速增长。如何提高深度学习应用部署效率,降低云平台运行成本,帮助算法及业务团队快速落地应用和服务,让 AI 发挥真正的生产力,是深度学习云平台团队努力的目标 。从基础架构的角度,GPU资源的紧缺和GPU 利用率的不足是我们面临的主要挑战。由于大量的算法训练及推理服务需求,云端 G
转载自:http://blog.sina.com.cn/s/blog_4d9018650101891w.html模型选择对于某些问题,某个辐射模型可能比其它模型更适用。在确定使用何种辐射模型时,需要考虑的因素如下:光学深度:光学深度αL 是确定选择辐射模型较好的指标。其中,L 为计算域大致的长度标尺。例如,对于燃烧室内的流动, L 为燃烧室的直径。如果光学深度》1,那...
损失函数 Loss function在这个分类问题中,我们看到例子中权重值非常差,因为猫分类的得分非常低(-96.8),而狗(437.9)和船(61.95)比较高。我们将使用损失函数(Loss Function)(有时也叫代价函数Cost Function或目标函数Objective)来衡量我们对结果的不满意程度,损失函数能将这些不满意的程度量化。直观地讲,当评分函数输出...
摘要:表示学习(Representation Learning)是人工智能领域一直在探讨的话题,也是走向强人工智能的路上必须要解决的一道难题。目前为止,大多数表示学习方法停留在了欧式空间(Euclidean Space),但事实上除了简单的欧式空间,还存在很多其他的非欧式空间可以用来构建AI模型,并且我们也发现了近两年越来越多的学者也开始在这个领域做出了一些有意思的工作。在本文中,我们通俗易懂..
一、余弦相似度:余弦值越接近1,就表明夹角越接近0度,也就是两个向量越相似,这就叫"余弦相似性"二维向量的余弦相似度:多维向量的余弦相似度(类比)协同过滤(Collaborative Filtering, 简称 CF):收集用户行为减噪与归一化处理减噪:用户行为数据是用户在使用应用过程中产生的,它可能存在大量的噪音和用户的误操作,...
从helloworld开始mkdir mooc # 新建一个mooc文件夹cd moocmkdir 1.helloworld # 新建一个helloworld文件夹cd 1.helloworldtouch helloworld.py# -*- coding: UTF-8 -*-# 引入 TensorFlow 库import tensorflow as...
http://blog.csdn.net/liumangmao1314/article/details/54179526?locationNum=12&fps=1最小二乘法曲面拟合转载2017-09-10 20:45:19标签:最小二乘法数值例子原理推导最近上课讲到最小二乘的基本原理,老师给出问题自己去调研一下。本科期间我第一次接触这个东西实在大学物...
开场白:已经是第五篇软考文章了,也是最后一篇计算题的文章,基本包含了信管考试的全部计算题,因为现在离考试还早,北京地区8月11日报名,可以先学习一遍,考前再来复习一遍。这篇文章包含了许多实例,不对各实例的意义进行讲解了,都比较简单,看实例讲解,会算就可以了。前天发布的第四篇文章没有被推上首页,可能是因为大部分题的来源都在网上可以搜到。这里我对这些题进行了分析整理,把一些错误的...
我们每个人都会在我们的生活或者工作中遇到各种各样的最优化问题,比如每个企业和个人都要考虑的一个问题“在一定成本下,如何使利润最大化”等。最优化方法是一种数学方法,它是研究在给定约束之下如何寻求某些因素(的量),以使某一(或某些)指标达到最优的一些学科的总称。随着学习的深入,博主越来越发现最优化方法的重要性,学习和工作中遇到的大多问题都可以建模成一种最优化模型进行求解,比如我们现在学习的机器学习算法
【机器学习】确定最佳聚类数目的10种方法在聚类分析的时候确定最佳聚类数目是一个很重要的问题,比如kmeans函数就要你提供聚类数目这个参数,总不能两眼一抹黑乱填一个吧。之前也被这个问题困扰过,看了很多博客,大多泛泛带过。今天把看到的这么多方法进行汇总以及代码实现并尽量弄清每个方法的原理。数据集选用比较出名的wine数据集进行分析library(gclus)data(wi...
本章导读机器学习(machine learning, ML)是一门涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多领域的交叉学科。ML专注于研究计算机模拟或实现人类的学习行为,以获取新知识、新技能,并重组已学习的知识结构使之不断改善自身。MLlib是Spark提供的可扩展的机器学习库。MLlib已经集成了大量机器学习的算法,由于MLlib涉及的算法众多,笔者只对部分算法进行了分析,其...
持续优化中~~~研究背景:泰坦尼克号的沉没是历史上最臭名昭著的沉船之一。1912年4月15日,泰坦尼克号在处女航时与冰山相撞沉没,2224名乘客和船员中有1502人遇难。这一耸人听闻的悲剧震惊了国际社会,并导致更好的船舶安全法规。船难造成如此巨大的人员伤亡的原因之一是船上没有足够的救生艇供乘客和船员使用。虽然在沉船事件中幸存下来是有运气因素的,但有些人比其他人更有可能存活下来。比如妇女、儿童和..
一、矩阵分解回想在博文推荐算法——基于矩阵分解的推荐算法中,提到了将用户-商品矩阵进行分解。从而实现对未打分项进行打分。矩阵分解是指将一个矩阵分解成两个或者多个矩阵的乘积。对于上述的用户-商品矩阵(评分矩阵),记为Vm×n。能够将其分解成两个或者多个矩阵的乘积,如果分解成两个矩阵Wm×k和Hk×n。我们要使得矩阵Wm×k和Hk×n的乘积能够还原原始的矩阵Vm×n:V...
在做logistics回归之前,我们要先对你要做预测的变量做个相关分析,找出和你因变量相关的自变量。我这里就不做了,直接用我处理之后的数据。打开我们要分析的数据,单击“分析”,选择“回归”,然后选择“二元Logistics回归”,弹出下面的界面,如图: 把是否购买移到因变量框里面去,把消费金额和消费数量移动到协变量框里面去,然后单击“保存”按钮,弹出“Logis...
转载于:https://www.cnblogs.com/rongbohou-scut/p/6071266.html
在进行光学扫描时,会因为客观原因,导致扫描的图像位置不正,影响后期的图像处理,因此需对图像进行图像矫正工作。1、图像倾斜矫正基础图像倾斜矫正关键在于根据图像特征自动检测出图像倾斜方向和倾斜角度。目前常用的倾斜角度方法有:基于投影的方法、基于Hough变换、基于线性拟合,还有进行傅里叶变换到频域来进行检测的方法。1.1 基于投影的倾斜矫正基...
车辆识别代码也叫车架号码,共17位,奥迪的也不例外例如:LFV5A14B8Y3000001它所代表的含义为:1.前三位LFV代表:国家及制造商:中国 一汽-大众汽车有限公司2.第四位5代表...
在我们机器学习或者训练深度神经网络的时候经常会出现欠拟合和过拟合这两个问题,但是,一开始我们的模型往往是欠拟合的,也正是因为如此才有了优化的空间,我们需要不断的调整算法来使得模型的表达能拿更强。但是优化到了一定程度就需要解决过拟合的问题了,这个问题也在学术界讨论的比较多。(之前搜了很多有的博客,讲的都不太全,因此我重新整理总结了一遍,同时加入了自己的理解,方便自己和后来人查阅)首先就是我们...
能用office07发布简直是太好了,这下子省了很多事。1、多元线性回归模型假定被解释变量与多个解释变量之间具有线性关系,是解释变量的多元线性函数,称为多元线性回归模型。即(1.1)其中为被解释变量,为个解释变量,为个未知参数,为随机误差项。被解释变量的期望值与解释变量的线性方程为:...
卷积神经网络 AlexNet1.介绍LeNet 是最早推动深度学习领域发展的卷积神经网络之一。这项由 Yann LeCun 完成的开创性工作自 1988 年以来多次成功迭代之后被命名为LeNet5。AlexNet 是 Alex Krizhevsky 等人在 2012 年发表的《Image...
在线性回归问题中,我们假设,而在分类问题中,我们假设,它们都是广义线性模型的例子,而广义线性模型就是把自变量的线性预测函数当作因变量的估计值。很多模型都是基于广义线性模型的,例如,传统的线性回归模型,最大熵模型,Logistic回归,softmax回归。指数分布族在了解广义线性模型之前,先了解一下指数分布族(the exponential family)指数分布族原型如下...
WIFI室内定位-指纹法在A1区域内每个点上采集四个WiFi的信号数据(信号强度),五点、九点、十六点采样。5*5=25区域*16数据=400样本,用来训练样本数 R B G1 G2123416使用什么机器学习模型?决策树、SVM(构造超平面)、逻辑回归、等几乎任何方法都可以传统方法即可解决,根本没必要用到神经网络。其他方法...
位运算
参考源:http://blog.csdn.net/fgf00/article/details/52949973一、ORM介绍如果写程序用pymysql和程序交互,那是不是要写原生sql语句。如果进行复杂的查询,那sql语句就要进行一点一点拼接,而且不太有重用性,扩展不方便。而且写的sql语句可能不高效,导致程序运行也变慢。 为了避免把sql语句写死在代码里,有没有一种方法直接把原生s...