- 博客(26)
- 收藏
- 关注
RSS订阅
原创 随机森林中，为什么oob样本的数量是三分之一
今天看了RF，发现里面有一个1/3的概率，到底怎么求出来的，我看了数，推了一下公式。模型评估方法在机器学习中，通常把样本分成训练集和测试集，在划分样本的过程中，存在着不同的抽样方法。有哪些抽样方法，他们有什么优缺点1.Holdout检验直接样原始样本37分，70%为训练集，30%为测试集。绘制ROC曲线，计算准确率，召回率。缺点：没有随机性。2. 交叉检验将全部样本划分成K个大小相...
2020-04-12 11:04:33
1766
原创 在windows下安装 Ruby on rails 的血泪史
高级软件工程老师要求我们安装一下ruby on rails 试一下，因为我们的project是股票预测，罗铁坚老师给我们提供了git上一些数据集，模型跟例子，想让我们能不能在原来的基础上进一步优化，我回宿舍之后开始安装起来，无奈我的电脑是Windows系统，于是乎走上了一条满满都是泪的道路，现在写一下为了提醒后面使用Windows安装ruby的小伙伴哪里的路不能走。下面写一下我用命令行安装的步骤...
2018-10-16 19:57:57
5467
4
原创 机器学习与模式识别第三章：判别函数
在很多实际问题中，由于样本特征空间的类条件概率密度的形式常常很难确定，利用非参数方法估计需要很大的样本空间，而且随着特征空间位数的增加所需的样本数急剧增加，因此在实际问题中，我们往往不确定某个判别函数类，然后利用样本集确定出判别函数中的未知参数。线性判别线性判别函数法是一种较为简单的判别函数，最简单的是线性函数，它的分界面是超平面，采用线性判别函数所产生的错误率或风险虽然可能比贝叶斯分类器来的...
2018-10-13 23:22:39
8999
2
原创 图像处理———图像均衡化的例子
今天学习了图像均衡化处理，简单的说，就是将一个灰度级分布不均匀的图像，通过某种变换得到一个均匀分布的操作。图像均衡化推导一副图像的灰度级可以看作区间【0，1】的随机变量，这里有一个最重要的东西就是概率密度函数，设Pr®,Ps(s)分别表示随机变量r,s的概率密度函数，假设，我找到一个函数，s = T®，可以让s变成均匀分布。则在图像处理中也有一个很重要的公式：给定变换函数T，可以推得...
2018-09-26 00:11:37
13964
4
原创 解决typeError: init() got an unexpected keyword argument ‘serialized_options’
protobuf requires Python ‘＞=3.7‘ but the running Python is 3.6.5
2022-10-26 20:12:43
1220
1
原创 SpringBoot中数据库的字段与类中驼峰命名不对应的问题
Java的命名规范是驼峰 private Integer sortOrder; private Date createTime; private Date updateTime;但是数据库里面写的不是驼峰，如何将其对应？在MyBatis中加一个配置mybatis: configuration: map-underscore-to-camel-case: true...
2020-05-13 18:15:05
2521
原创 该设备或资源为设置未接收端口（1087）上的链接解决办法
网络修复在此之前，先用用netsh修复网络。以管理员的身份运行cmd–>输入netsh winsock reset—>（恢复到默认自动获取IP和DNS服务器地址）net int ip reset c:/catalog.txt—>（解除代理设置）netsh winhttp reset proxy—>（重置防火墙）netsh advfirewall reset**弄完重启...
2020-04-07 09:45:59
6800
原创 tensorflow配置中出现的FutureWarning等问题
配置环境的时候出现了：FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.解决方法numpy版本过高，使用numpy-1....
2019-08-26 17:41:18
1146
2
原创 语义分割--RefineNet
出发点：当前的语义分割方法存在限制，多阶段的空间池化和卷积操作通常会使最终的图像预测的维度降低，丢失许多精细的图像结构。通过反卷积滤波器进行上采样操作无法恢复卷积过程中下采样时丢失的信息利用中间层的特征生成高分辨率预测缺少充分的空间信息基础框架：ResNetResNet理论上而言，具有更深层次的深度模型能够捕捉到更多特征信息，识别准确率至少不降低。实验中发现，在深度模型中添加更多...
2019-08-11 11:10:48
814
原创 Single shot经典算法：SSD
SSD全称：Single Shot MultiBox Detector特点：增加多尺度feature map。在feature map上使用小的卷积核预测一系列 bounding boxes 的 box offsets与Faster R-CNN和YOLO相比性能更优。SSD结构这一幅图表示 SSD 的大概流程：首先用 VGG 或者 ResNet 等一些分类网络生成feat...
2019-08-10 13:28:12
998
原创 图像处理--对象的定位与识别
对象的定位与识别这一章节主要讲解两个算法，Faster-RCNN 和SSD，在这之前把卷积神经网络的其他小细节做一个总结。Back PropagationBP网络能学习和存储大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程，他的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小：BP算法的公式：Batch Normaliz...
2019-08-06 10:37:44
4167
原创 语义分割模型-DeepLab
语义分割模型-DeepLab介绍下DeepLab系列，由谷歌推出的针对语义分割的模型，到目前为止，共有四个版本,这里重点介绍下前两个版本，由于时间原因，并没有来得及读v3+的论文针对其中用到的主要方法，和大家分享下空洞卷积结构化预测—全连接的CRF多尺度预测—ASPP空洞卷积空洞卷积(Dilated Convolution/Atrous Convolution):在标准卷积核的两...
2019-08-05 15:21:40
724
原创 无监督学习----聚类
为什么需要无监督学习原始数据容易获得，标注数据很难获得节约内存和计算资源减少高维数据中的噪声有助于可解释的数据分析经常作为监督学习的预处理部分聚类分析寻找样本中的簇，使得同一簇内样本相似，不同簇之间样本不相似。聚类的类型◼聚类的结果是产生一个簇的集合◼基于划分的聚类(无嵌套)• 将所有样本划分到若干不重叠的子集（簇），且使得每个样本仅属于一个子集◼层次聚类(嵌套)• ...
2019-02-14 23:56:38
598
原创 半监督学习
监督学习模型需要标注数据◼ 学习一个可靠的模型需要大量标注数据但是获得有标志的数据是很昂贵的，大量的数据还是没有标注的是否可以获取免费的标注?验证码就是他们收集标注信息的东西我们能否利用无标注数据学习出更好的模型?有些无标注的数据对分类是有用的，假设: 同一个类别的样本内在服从一致的分布，无标注数据能够给出更有意义的分类边界。◼ 人类就常常使用半监督学习• 婴儿单词物体映射•...
2019-02-12 23:14:28
1255
原创 机器学习第二讲-有监督学习
这一章讲三种方法：线性回归方法，判别式的分类方法，产生式的分类方法线性回归给出房子的面积，房子的位置，计算出房子的价钱。input是二维，面积跟位置输出目标是价格，我们可以用线性表达式做一个加权因此我们可以写成最简单的回归模型形式：解这个方程我们可以用梯度下降的方式求这是一个最简单的回归，我们可以从概率的角度对他进行解释：我们认为所有的结果都是我们的模型加上一个噪声造成的...
2019-02-10 01:34:12
216
原创 机器学习第一讲统计机器学习的理论
机器学习理论与统计机器学习的理论机器学习是一个无处不在的科学，现在人工智能非常火，其实人工智能的核心就是机器学习。这一讲主要讲解一下什么是机器学习，机器学习的历史，机器学习的新旧方法和一个简单的例子。机器学习方法的现在在计算机科学与技术方面的困难点主要在于对人脑的理解，知道大脑是如何工作的，他的推理，他的认知，他的创造。很多在计算机领域的研究都基于机器学习，我认为计算机领域的basic的研究...
2019-02-08 22:27:56
739
原创 模式识别第4章—特征选择和提取
欢迎使用Markdown编辑器特征选择和提取是模式识别中的一个关键问题：前面讨论分类器设计的时候，一直假定已给出了特征向量维数确定的样本集，其中各样本的每一维都是该样本的一个特征；这些特征的选择是很重要的，它强烈地影响到分类器的设计及其性能；假若对不同的类别，这些特征的差别很大，则比较容易设计出具有较好性能的分类器。例如：判断一个人是否是软件工程师？肤色，体重，身高，工资，工资，编程...
2019-02-03 14:25:39
3873
原创 问题的分解及分而治之算法
给我们一个问题应该怎么观察：1，先从最简单的case入手2:，观察INPUT的关键数据结构3，我们还得看能不能合上，看的是OUTPUT，就是把子问题的output变成原问题的outputselect problem：the K-th smallest items in an arrayINPUT:An array A = [A0, A1, …, An−1], and a number...
2018-12-03 22:57:15
969
原创 第五章-图像复原笔记
图像退化是由一个退化函数H(u,v)+一个噪声产生N(u,v)的g(x,y)。图像复原的目的是获得关于原始图像的近似估计。通常我们希望我们估计的图像能极可能的接近原始图像，并且H和N的信息知道的越多，则得到的图像就越接近原始图像。空间域的退化图像和频域率的退化图像：图像退化或者复原的模型输入一幅图像f(x,y)，经过退化函数H以及噪声变成g(x,y)，然后复原变成f帽(x,y)。这里面...
2018-11-16 22:21:00
3179
原创 频率域图像增强笔记
图像增强一般是在频域进行，因此将图像从空域变成频域是一个很重要得图像预处理，然后在频域欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能...
2018-11-02 23:48:49
684
原创 分段线性判别函数&&模式空间和权空间
线性判别函数在进行分类决策时是最简单有效的，但在实际应用中，常常会出现不能用线性判别函数直接进行分类的情况。采用广义线性判别函数的概念，可以通过增加维数来得到线性判别，但维数的大量增加会使在低维空间里在解析和计算上行得通的方法在高维空间遇到困难，增加计算的复杂性。引入分段线性判别函数的判别过程，它比一般的线性判别函数的错误率小，但又比非线性判别函数简单。用判别函数分类可用一个二次判别...
2018-10-15 23:47:29
1673
原创 计算机算法分析与设计
我们在求解一个问题的时候，不应当只是逐个尝试各个算法技术或者纯粹依赖于灵感，而是应该依赖于我们对问题结构的认识，思考问题应该沿着“实际问题-----抽象出的数学问题------算法设计”这一脉络。怎么感觉有点像运筹学呢？？问题结构与基本算法思想方法：分析：TSP旅行商问题1925年，一个公司的销售员需要走过350个城市，每一次只能走一次，将商品销售给不同城市的人，那么他就要知道怎...
2018-10-13 00:26:37
2654
4
原创 空间滤波基础
有些领域处理工作是操作领域的图像像素值以及相应的与邻域有相同维数的子图像的值。 这些子图像可以被称作为滤波器，掩模，核，模板，窗口等等。在滤波器子图像中的值是系数值，而不是像素值。空间滤波的分类空间滤波分为两大类：1，线性空间滤波2，非线性空间滤波一般来说，在MN的图像f上，用mn大小的滤波器掩模进行线性滤波由下式给出：这里a,b都是非数值，在后续的讨论中，处理的掩模的长与宽都为奇数...
2018-10-12 19:49:51
1611
原创 直方图匹配（规定化）
直方图规定化直方图操作能够有效的用于图像的增强，一个归一化的直方图P（r）给出了灰度级为r发生的概率，前面我们提到一个图像的直方图通过均衡化可变成一个灰度级分布均匀的直方图，但是并不是所有的直方图通过均衡就能变成真正的我们所想要的均匀分布，这是为什么呢？解释为什么离散直方图均衡化技术一般不能产生平坦的直方图下图是在进行直方图均衡之前的图像：我们进行直方图均衡后：并没有达到我们所想要的...
2018-10-12 18:54:05
582
原创 两类问题且模式都是正太分布的特殊情况
两类问题且模式都是正太分布的特殊情况：设有两种模式，W1，W2,P(w1)和P(w2)求这两类模式之间的贝叶斯判别界面的方程式情况一当C1!=C2时，两类模式的正态分布为：p(x|ω1)表示为N(m1, C1)，p(x|ω2)表示为N(m2, C2)，ω1和ω2两类的判别函数对应为：m1和m2是两种模式的均值向量 mi = Ei{x}Ci是协方差矩阵，这里要有一点说明，之前我一直算的跟老师...
2018-09-21 23:19:59
2187
原创 开学立一个小小的flag
开学立一个小小的flag开学了，在国科大的校园浪也浪够了，好好的学习专业知识，为以后科研道路多加点油。关于写博客作为一个博客新手，是听从师兄的建议那里才知道原来可以写一些关于自己专业的知识发表在网上，之前都是搜一些其他人写的文章，从没想过自己也可以写一下，因此，为了更好的复习自己所学的知识，也为了满足自己小小的成就感，从这一年开始就写博客吧，看看到下一年的这个时候我的空间能成什...
2018-09-11 22:39:50
528
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人