KNN学习笔记算法原理KNN三要素KNN预测规则1.分类2.回归KNN算法实现方式python代码 算法原理K近邻(K-nearst neighbors, KNN) 所谓k近邻,就是k个最近的邻居的意思,说的是每个样本都可以用它最接近的k个邻居来代表。 KNN算法既可以应用于分类应用中,也可以应用在回归应用中。KNN在做回归和分类的主要区别在于最后做预测的时候的决策方式不同。 KNN在分类预测时
转载
2024-03-25 21:26:10
41阅读
研一上对CNN学习过一段时间，现在要用到论文里面，所以对此进行复习。 附上链接：http://cs231n.github.io/convolutional-networks/#case普通神经网络的参数太多，所以要使用卷积神经网络，其次因为卷积神经网络输入是图片，是三维结构，每一过程都是三维结构。 使用Relu的作用：Relu是一个激活函数，使用它可以让模型实现非线性分类。使用Local Resp
转载
2024-04-01 08:23:21
71阅读
1.生成R_net数据集，并喂入R_net网络训练为了提高R_net数据的质量，我们的R_net数据集会通过P_net精炼一下。把回归框中对应的图片从原理图片中crop出来，resize生成24*24的大小。运行P_Net，得到每个回归框的分类得分和坐标的回归值。P_Net中推理出来的 bounding box 坐标可能超出元素图片的大小，这时候需要做图片处理，把坐标值限定在元素图片内，而空出来的
转载
2024-03-31 20:23:59
56阅读
0510 RNN的东西不会去忘记，直接一串子全部保留下来 Lstm 长短时记忆 可以控制这个参数也是需要去训练 逐渐优化 得到的门单元ft 遗忘门 it 保留门输入经过了一个遗忘门，经过了一个保留门选择性的遗忘和保留 是随时更新ct的状态的 从开始更新到结束 Classification and Location 分类与
转载
2024-03-17 10:41:27
146阅读
目录 一 机器学习，深度学习能做什么二 机器学习的定义三 机器学习算法分类分类，回归的区别：分类，回归问题的共同点： 线性回归线性回归的损失（损失函数/cost/成本函数）四 深度学习中超参数的介绍：1什么是超参数，参数和超参数的区别：2神经网络中包含哪些超参数：3为什么要进行超参数调优：4超参数上的重要顺序：1）学习率，损失函数上的可调参数：在网络参数、优化参数、正
转载
2024-03-22 14:00:26
79阅读
目录 迁移学习与物体定位监测迁移学习物体定位&检测滑动窗口-overfeatRCNNfast R-CNNSSD物体分割 & 语义分割迁移学习与物体定位监测能否将目标检测当成回归问题？对于不同的图片输出的多个对象的边界框，可能输出4个边界框也可能输出8个边界框，输出的数量不固定，所以无法当成是回归问题。迁移学习在实践中，由于很少有足够大的数据集，所以很少有人会选择
转载
2024-04-05 10:38:11
90阅读
前言本文大致分成两大部分，第一部分尝试将本文涉及的分类器统一到神经元类模型中，第二部分阐述卷积神经网络（CNN）的发展简述和目前的相关工作。本文涉及的分类器（分类方法）有：线性回归逻辑回归（即神经元模型）神经网络（NN）支持向量机（SVM）卷积神经网络（CNN）从神经元的角度来看，上述分类器都可以看成神经元的一部分或者神经元组成的网络结构。各分类器简述逻辑回归说逻辑回归之前需要简述一下线性回归。图
转载
2023-12-12 15:31:14
429阅读
可以从一个基本的例子对其进行解释。比如，我们可以在卷积神经网络（CNN）的最终卷积（conv）特征图上添加一个回归头。回归头可以是具有四个输出（x，y，w，h）的浅层全连接神经网络（NN）。一般来说，回归头可以使用基于梯度的算法进行优化，达到获取待检测对象位置的目的。 但是使用回归头有一个极大的限制，就是当图像中只有一个对象时才管用。如果场景中有两个或多个对象，则可能会干扰边界框的回归，因为每个对
转载
2024-05-07 09:42:11
52阅读
本文讲的是【译】如何应对 CNN 中的过拟合问题， 摘要：理解神经卷积网络、欠拟合 & 过拟合、批量归一化什么是卷积、最大池化和 Dropout？ 数据增强（Data augmentation） 欢迎来到本系列教程的第三部分的学习！这周我会讲解一些卷积神经网络（Convolutional Neural Network, CNN）的内容并且讨论如何解决欠拟合和过拟合。一、卷积（
转载
2024-08-12 12:00:40
28阅读
本文就R-CNN论文精读中 的预测框回归（Bounding box regression）问题进行详细讨论。R-CNN将候选框提取出来的特征向量，进行分类+偏移预测的并行处理。 偏移预测即预测框回归（Bounding box regression）问题，我们需要将生成的候选框进行位置、大小的微调。（图摘自b站up“同济子豪兄”的R-CNN论文解读） 我们需要思考这样一个问题：为什么加入这一个Reg
转载
2023-12-15 11:56:57
153阅读
?1 概述基于PCA主成分分析的BP神经网络回归预测研究是一种利用PCA降维技术和BP神经网络模型进行回归预测的方法。PCA主成分分析是一种常用的数据降维技术，它可以通过线性变换将原始数据转化为一组新的变量，这些新变量称为主成分，主成分是原始数据中方差最大的方向。通过保留主成分中的大部分方差，可以实现数据的降维，减少特征数量，同时保留原始数据的主要信息。BP神经网络是一种常用的人工神经网络模型，它
# 使用CNN进行回归分析的Python示例
卷积神经网络（CNN，Convolutional Neural Network）是深度学习中一种强大的模型，通常用于图像处理和计算机视觉。但其实，CNN也可以用于回归分析，即在预测连续值时的应用。本文将带您探讨如何使用CNN进行回归分析，同时提供示例代码和可视化图表。
## 1. 什么是回归分析？
回归分析是用于预测某个变量（因变量）与其他变量（
原创
2024-10-24 05:40:58
68阅读
前段时间一直在忙社团的大型话剧，许久未能敲代码了，话不多记录一下自己这段时间的学习情况。在朋友的介绍下，购买了一个腾讯云主机，并买入了一个自己的域名。开始了自己的网站搭建。在网站的搭建的过程中，第一次接触到了linux操作系统，没有鼠标的操作，全靠一堆命令来实现，确实让自己感觉很不习惯。特别是自己对vim完全不熟悉的情况下。以下自己整理了一些vim的命令操作。三．命令行模式操作1．进入插入模式按“
本文以泰坦尼克数据集(Titanic.csv)为例，利用Python，通过构建多元线性回归模型，对未知乘客的年龄数据进行预测。需要用到的库： import 读取Titanic数据集，查看数据预览及数据类型： tiedani = pd.read_csv('Titanic.csv')
tiedani.head()
tiedani.dtypes Titanic前5行数据预览
转载
2024-04-30 16:44:00
102阅读
CNN实现手写数字识别导入模块和数据集import os
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers, optimizers, datasets
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
(x_train,y_train),(x
# Python CNN回归入门指南
作为一名经验丰富的开发者，我很高兴能带领你进入深度学习的世界。在这篇文章中，我们将一起学习如何使用Python实现一个简单的卷积神经网络（CNN）进行回归任务。我们将通过一个简单的例子来展示整个过程。
## 1. 准备工作
在开始之前，我们需要安装一些必要的库。这里我们主要使用`tensorflow`和`keras`。如果你还没有安装这些库，可以通过以下
原创
2024-07-18 05:39:46
54阅读
# 使用 PyTorch 实现 CNN 回归模型
在机器学习和深度学习中，卷积神经网络（CNN）通常用于图像处理，而回归任务为我们提供了预测连续值的能力。本文将带你了解如何在 PyTorch 中实现一个简单的 CNN 回归模型。以下是我们将要进行的步骤。
## 流程概述
| 步骤 | 描述 |
|---
原创
2024-10-25 06:02:49
24阅读
CNN学习笔记：Logistic回归线性回归二分类问题 Logistic回归是一个用于二分分类的算法，比如我们有一张图片，判断其是否为一张猫图，为猫输出1，否则输出0。 基本术语 进行机器学习，首先要有数据，比如我们收集了一批关于西瓜的数据，例如 （色泽=青绿；根蒂=收缩；敲声=浊响） （色泽=乌黑；根蒂=稍蜷；敲声=沉闷） （色泽=浅白；根蒂=硬挺；敲声=清脆） 每对括号内是一条记
转载
2023-11-23 23:24:45
47阅读
前言在上一篇博文：【计算机视觉——RCNN目标检测系列】一、选择性搜索详解我们重点介绍了RCNN和Fast RCNN中一个重要的模块——选择性搜索算法，该算法主要用于获取图像中大量的候选目标框。为了之后更加顺利理解RCNN模型，在这篇博文中我们将主要介绍RCNN及其改进版本——Fast RCNN和Faster RCNN中一个重要模块——边界框回归（Bounding-Box Regression）。
转载
2024-03-17 11:38:10
72阅读
# 使用PyTorch实现CNN回归
在机器学习和深度学习的领域中，卷积神经网络（CNN）通常被用于图像分类、物体识别等任务。然而，CNN也可以用于回归问题，即预测连续值。在本文中，我们将学习如何使用PyTorch实现CNN回归。以下是整个流程的概览。
## 流程步骤
| 步骤 | 描述 |
|------|------|
| 1 | 导入所需库 |
| 2 | 数据准备（加载和
原创
2024-09-27 08:03:46
162阅读
