搜索结果
查询Tags标签： 分类器，共有 99条记录-
AdaBoost：自适应提升算法的原理及其实现
AdaBoost：通过改变训练样本权重来学习多个弱分类器并线性组合成强分类器的Boosting算法。Boosting方法要解答的两个关键问题：一是在训练过程中如何改变训练样本的权重或者概率分布，二是如何将多个弱分类器组合成一个强分类器。 AdaBoost的做法：一是提高前一轮被弱分…
2022/9/15 14:17:16 人评论 次浏览 -
【CVPR2022】BatchFormer: Learning to Explore Sample Relationships for Robust Representation Learning
【CVPR2022】BatchFormer: Learning to Explore Sample Relationships for Robust Representation Learning 论文：https://arxiv.org/pdf/2203.01522.pdf 代码：https://github.com/zhihou7/BatchFormerBatchFormer的 V1 版本 这是一个来自 悉尼大学 和 京东 的工作。为了…
2022/9/7 6:23:27 人评论 次浏览 -
Python机器学习-多元分类的5种模型
Python机器学习-多元分类的5种模型 最近上了些机器学习的课程，于是想透过Kaggle资料集来练习整个资料科学专案的流程，在模型训练阶段，虽然听过许多分类模型，但不是很了解其各别的优缺点与适合的使用时机，所以想来整理一篇文章，统整上课学习与网路资料，作为后续专案…
2022/9/5 1:26:24 人评论 次浏览 -
线性分类器和非线性分类器总结
在机器学习中会遇到很多的分类器，在这篇博文中总结了常用的分类器线性和非线性的分类。线性分类器：模型是参数的线性函数，分类平面是（超）平面。非线性分类器：模型分界面可以是曲面或者是超平面的组合。典型的线性分类器有感知机，LDA（文档主题模型），逻辑斯蒂回归…
2022/9/3 23:26:37 人评论 次浏览 -
分类算法评价指标
目录评价指标1. TP、FP、TN、FN2. 常用指标3. ROC4. AUC 评价指标 1. TP、FP、TN、FNP (Positive) 和 N(Negative) 代表模型的判断结果T (True) 和 F(False) 评价模型的判断结果是否正确FP: 假正例，模型的判断是正例 (P) ,实际上这是错误的(F),连起来就是假正例FN:假负例…
2022/7/17 1:16:27 人评论 次浏览 -
GAN网络的衡量指标
参考这篇文章： https://blog.csdn.net/qq_27261889/article/details/86483505在对抗生成网络中，判别器和生成器的目标函数通常都是用来衡量它们各自做的怎么样的。例如，生成器的目标函数用来衡量生成的图片能骗过分类器的性能。但是这并不能很好的衡量生成图片的质量和…
2022/4/18 6:12:52 人评论 次浏览 -
【论文总结】A Survey of Zero-Shot Learning: Settings, Methods, and Applications
论文地址：https://dl.acm.org/doi/abs/10.1145/3293318 一、Learning Settings参数Class-Inductive Instance-Inductive (CIII) Setting：训练时只使用已标记的可见类的数据集 Dtr 和可见类所对应的语义特征 Ts 集合。 Class-Transductive Instance-Inductive (CTII) Set…
2022/2/17 6:13:31 人评论 次浏览 -
李沐深度学习 4 月 10 日课程笔记
4 月 10 日课程笔记 讲课大纲 感知机（历史模型） 感知机的模型为： \[o = \sigma(\langle w,x \rangle + b) \] \(w\) 权重 \(x\) 输入 \(b\) 偏移 \(\sigma\) 符号函数（对正数输入，输出 1，否则输出 -1） \(o\) 输出训练感知机的算法（用 python 伪代码表示）： w, b …
2022/2/15 6:12:30 人评论 次浏览 -
数据挖掘学习笔记5-支持向量机SVM
支持向量机主要原理是在分类器可以将两类样本分开的基础上，通过最大化两类样本之间的间隔来选取分类器。距离算法如下 对于线性有重叠的样本，可采用软间隔，即放宽y（wx+b）≥1的条件，增加一个宽限值，使一些重叠样本也能被分类器分开。 对于线性不可分问题，SVM会先将…
2022/2/9 6:15:02 人评论 次浏览 -
OpenCV56:级联分类器|Cascade Classifier
目标 在本教程中， 将学习 Haar级联对象检测的工作原理将使用基于Haar Feature的Cascade分类器了解人脸检测和眼睛检测的基础知识将使用cv::CascadeClassifier类来检测视频流中的对象。具体地将使用以下函数： cv::CascadeClassifier::load来加载.xml分类器文件，它可以是…
2022/1/24 23:05:00 人评论 次浏览 -
【Python数据分析】数据挖掘建模——分类与预测算法评价（含ROC曲线、F1等指标的解释）
模型预测效果评价，通常可以用以下指标来衡量 目录 1.绝对误差和相对误差 2.平均绝对误差、均方误差、均方根误差与平均绝对百分误差 3.Kappa统计 4.混淆矩阵 5.准确度（Accuracy）、精确率（Precision）和召回率（Recall） 6.ROC曲线与AUC 7.Python分类预测模型的特点1.绝…
2022/1/23 17:34:48 人评论 次浏览 -
集成学习算法，Bagging&Stacking&Boosting
1、什么是集成学习算法？ 2、集成学习主要有哪几种框架，并简述它们的工作过程？ 3、Boosting算法有哪两类，它们之间的区别是什么？ 4、什么是偏差和方差？ 5、为什么说Bagging可以减少弱分类器的方差，而Boosting可以减少弱分类器的偏差？1、什么是集成学习算法？ 通过训…
2022/1/17 14:34:07 人评论 次浏览 -
集成学习算法，Bagging&Stacking&Boosting
1、什么是集成学习算法？ 2、集成学习主要有哪几种框架，并简述它们的工作过程？ 3、Boosting算法有哪两类，它们之间的区别是什么？ 4、什么是偏差和方差？ 5、为什么说Bagging可以减少弱分类器的方差，而Boosting可以减少弱分类器的偏差？1、什么是集成学习算法？ 通过训…
2022/1/17 14:34:07 人评论 次浏览 -
【SVM分类】基于模拟退火算法优化支持向量机实现数据分类附Matlab代码
1 简介 将模拟退火算法应用于粮虫图像识别中支持向量机分类器参数C和g的优化,并与网格搜索法优化结果进行了对比,结果表明参数优化速度提高了3.91倍,分类器的识别率提高了5.56%.应用SAA-SVM分类器对粮仓中危害严重的9类粮虫进行了自动分类,识别率达到95.56%,证实了基于SAA…
2022/1/17 1:05:57 人评论 次浏览 -
【SVM分类】基于模拟退火算法优化支持向量机实现数据分类附Matlab代码
1 简介 将模拟退火算法应用于粮虫图像识别中支持向量机分类器参数C和g的优化,并与网格搜索法优化结果进行了对比,结果表明参数优化速度提高了3.91倍,分类器的识别率提高了5.56%.应用SAA-SVM分类器对粮仓中危害严重的9类粮虫进行了自动分类,识别率达到95.56%,证实了基于SAA…
2022/1/17 1:05:57 人评论 次浏览
