1. faster-rcnn安装与运行 note:将makefile.config中这两行注释去掉WITH_PYTHON_LAYER := 1
USE_CUDNN := 1将Faster R-CNN下载到本地git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git假设下载下来存放的路径根目录为：FRCN_R
目录0 代码示例1 数据预处理和建模1.1 加载库和数据预处理1.2 训练2 解释模型2.1 Summarize the feature imporances with a bar chart2.2 Summarize the feature importances with a density scatter plot2.3 Investigate the dependence of the
转载
2024-08-14 12:48:50
339阅读
前言：机器学习很大一个问题是可解释性较差，虽然在RandomForest、LightGBM等算法中，均有feature_importance可以展现模型最重要的N个特征，但是对于单个样本来说情况可能并不与整体模型一致，所以就需要使用SHAP等算法将每个样本中不同特征的贡献度用数值展现出来。准备工作：首先还是需要传统的数据清洗、建模等，记得安装和导入shap库pip install shap注：我安
转载
2024-06-03 09:09:22
1195阅读
翻译：我Lundberg and Lee（2016）的SHAP（SHapley Additive ExPlanations）是一种解释个体预测的方法。 SHAP基于游戏理论上的最佳Shapley值。SHAP拥有自己的一章，而不是Shapley值的子章节，有两个原因。首先，SHAP的作者提出了KernelSHAP，这是一种受局部代用模型（ local surrogate models）启发的、基于核
1. CNNs (Convolutional Neural Networks)我觉得下述过程可以直接用textCNN的这个流程图来表达，清晰明了。所以，直接对着该图看下面的各个步骤会更简单一些。1.1 Why CNNs?为什么要再文本中使用卷积神经网络（CNN）呢？CNN通过卷积的方法，并使用不同大小的卷积核，可以捕捉到句子中不同长度短语的语义信息。1.2 What is Convol
转载
2024-07-22 12:05:41
115阅读
# Python中的SHAP值
## 简介
在机器学习中，解释模型的结果是很重要的。SHAP（SHapley Additive exPlanations）值是一种用于解释模型的预测结果的方法。它提供了一种方式来衡量每个特征对于预测结果的贡献程度。本文将介绍如何在Python中计算SHAP值。
## SHAP值的计算流程
以下是计算SHAP值的一般流程：
| 步骤 | 描述 |
| ---
原创
2023-10-17 15:30:34
891阅读
卷积神经网络是计算机视觉的一个飞跃的提升。第一个是图片，如果是彩色的话，它会分RGB三种显示的颜色叫做红色绿色蓝色，用这种三原色就可以产生各种各样的颜色。所以RGB就是高度，所以每一个像素点都有RGB的参数，相当于像素点的厚度，它要做的事情就是把长和宽还有RGB的宽度压缩。具体怎么压缩呢，就是我把我的长和宽压小一点，把厚度增高一点，到最后就变成了classifier。CNN具体来说就是不断压缩长和
转载
2024-09-02 12:04:20
39阅读
CNN卷积神经网络是计算机视觉的基础网络结构，后续很多模型都是在CNN的框架下搭建起来，如VGGNET，(通过大量使用3x3卷积核和2x2池化核，首次将卷积神经网络的卷积深度推向更深）、Inception V1(网络提升了计算资源的利用率，可以在保持网络计算资源不变的前提下，通过工艺上的设计增加网络的宽度和深度，基于为了保持网络结构的稀疏性，又能利用密集矩阵的高计算性能，Google团队提出了In
转载
2024-03-22 16:00:38
818阅读
很早就打算写这篇博客了，最近遇到的问题比较多，所以拖了又拖，今天问题似乎解决了，等着程序运行的时候再来回顾一下Batch Normalization算法。 Batch Normalization是2015年Google研究员在论文《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Co
转载
2024-08-02 12:29:44
81阅读
Any data science or data analytics project can be generally described with the following steps: 通常可以通过以下步骤来描述任何数据科学或数据分析项目： Acquiring a business understanding & defining the goal of a projectGetti
作者 | yishun@知乎 导读对神经网络进行可视化分析不管是在学习上还是实际应用上都有很重要的意义，基于此，本文介绍了3种CNN的可视化方法：可视化中间特征图，可视化卷积核，可视化图像中类激活的热力图。每种方法均附有相关代码详解。 引言有一些同学认为深度学习、神经网络什么的就是一个黑盒子，没办法、也不需要分析其内部的工作方式。个人认为这种说法“谬之千里”。首先，站在自动特征
# 用Python进行SHAP值回归：探索模型可解释性
在机器学习中，模型的可解释性至关重要。SHAP（SHapley Additive exPlanations）值是提供模型输出解释的一种强大工具。通过量化每个特征对模型预测的贡献，SHAP值帮助我们理解模型的决策过程。本文将带你探索如何用Python实现SHAP值回归，并通过代码示例说明其应用。
## 什么是SHAP值？
SHAP值源于博
最近在看张若愚老师的《Python科学计算》，也算是对Python的基本功进行一次锻炼，看着就记下笔记，这里开个系列来分享一下个人笔记，文章内容都是markdown直接编译过来的，所以排版也没多花心思了。NumPy提供了两种基本的对象： ndarray和ufuncndarray（下文统一称之为数组）是存储单一数据类型的多维数组ufunc则是能够对数组进行处理的函数import numpy
03 python语法注释、用户交互、格式化输出、基本数据类型和运算符1.注释的种类号和顶头写的‘三引号’2.与用户交互1.什么是与用户交互？程序员输入一个信息，程序执行完给程序员一个反馈2.为何要让程序做到交互？为了让程序替代人，与人交流3.如何使用？python3中input将用户输入的所有信息转换为‘字符串’python2中用户通过input需要自行指定数据类型。否则报错>>&g
层次分析法（运筹学理论）层次分析法，简称AHP，是指将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初，在为美国国防部研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。层次分析法是将决策问题按总目标、各层子目标、
# 通过 SHAP 解析机器学习模型的决策过程
在机器学习的世界中，模型的可解释性越来越受到关注。虽然很多高级模型（如深度学习和集成树模型）可以产生高精度的预测，但它们的“黑箱”特性使得人们很难理解模型是如何得出这些预测的。在这种情况下，SHAP（SHapley Additive exPlanations）应运而生，它是一种用于解释模型输出的强大工具。
## 什么是 SHAP？
SHAP 是
现在深度学习在机器学习领域是一个很热的概念，不过经过各种媒体的转载播报，这个概念也逐渐变得有些神话的感觉：例如，人们可能认为，深度学习是一种能够模拟出人脑的神经结构的机器学习方式，从而能够让计算机具有人一样的智慧；而这样一种技术在将来无疑是前景无限的。那么深度学习本质上又是一种什么样的技术呢？ 深度学习是什么 &n
解释一个机器学习模型是一个困难的任务，因为我们不知道这个模型在那个黑匣子里是如何工作的。但是解释也是必需的，这样我们可以选择最佳的模型，同时也使其健壮。Shap 是一个开源的 python 库，用于解释模型。它可以创建多种类型的可视化，有助于了解模型和解释模型是如何工作的。在本文中，我们将会分享一些 Shap 创建的不同类型的机器学习模型可视化。我们开始吧… 文章目录技术提升安装所需的库导入所需库
转载
2023-12-31 15:21:11
1313阅读
2 分析模型分析是一个十分关键的过程，它是把需求转化为代码实现的中间阶段。软件分析是将自然语言表达的软件需求进一步进行解析的过程。软件设计就是从分析到软件实现的过程。2.1 架构设计1. 分层架构架构设计决定了各子系统如何组织以及如何协调工作。架构设计的好坏影响到软件的好坏，系统越大越是这样。在分解复杂的软件系统时，经常使用的一种架构技术
转载
2024-09-08 18:28:21
61阅读
新年之初就发生了天大的事件，相信不须我指出名了，但它们打乱了太多人的生活安排，甚至是生命轨迹，几乎没有人不受到影响。面对那些事，我个人感觉很乏力，不安与疲惫。可是放空了几天后，我们还是得积极面对，将生活拨回正轨，继续那些未竟之事。人生苦短，愿诸君皆可平安喜乐！有许许多多文章写了 Python 中的许多很酷的特性，例如变量解包、偏函数、枚举可迭代对象，但是关于 Python 还有很多要讨论的话题，因
转载
2024-08-21 14:08:35
63阅读
