import numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets import load_digitsfrom sklearn.neural_network import
原创
2022-11-10 14:18:16
136阅读
mnist = input_data.read_data_sets("MNIST_data",one_hot=True)OneHot编码：One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。将类别变量转换为机器学习算法易于利用的一种形式的过程。One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分
降维目的：样本数据为高维数据时，对数据进行降维操作，避免模型出现过拟合。1.过拟合含义：训练集误差小，验证集误差大。过拟合三种解决方案：1）增加数据集；2）正则化； 3）降维。 2.高维灾难：具有高维度特征的数据易导致高维灾难。高维灾难的几何角度解释： 高维灾难含义：高维数据分布具有稀疏性；不容易根据特征对数据进行分类. 3.降维降维分类：1）直接降维（特征选择（lasso））
1 研究MNIST数据集对于本人课题的意义本人的硕士研究课题是缺陷检测，缺陷检测也是机器学习&深度学习算法在图像处理中的应用，它的难点在于算法创新。因此，在正式开始进行缺陷检测算法的研究之前使用MNIST数据集对于经常用到的图像处理算法进行系统研究具有重要意义。正好我的Python机器学习大作业也是这个题目，因此这篇文章算是研一一整年学习的一个总结。2 MNIST数据集的优点结合ChatG
基本原理：把图片当成像素来看，下图为手写体数字1的图片，它在计算机中的存储其实是一个二维矩阵，每个元素都是0~1之间的数字，0代表白色，1代表黑色，小数代表某种程度的灰色。 对MNIST数据集中的图片来说，当成长度为784的向量就可以了，忽略它的二维结构。任务就是让这个向量经过
基于自动编码机（autoencoder）,这里网络的层次结构为一个输入层，两个隐层，后面再跟着一个softmax分类器:采用贪婪算法，首先把input和feature1看作一个自动编码机，训练出二者之间的参数，然后用feature1层的激活值作为输出，输入到feature2,即把feature1和feature2再看作一个自动编码机，训练出这两层之间的参数，这两步都没有用到分类标签，所以是无监督学
环境准备：IDE：pycharmpython版本：python3.8外部库：tensorflow2.3、opencv4.0+、matplotlib3.5、sklearn因为python3.9好像与opencv4.0不兼容还是什么问题，3.9导入之后导入不了opencv4.0的，所以使用3.8导入库的话可以参考用到的数据集：先上代码：这一个是主体代码，就是一整个模型训练测试的，import os
i
引言手写数字识别，也就是让机器能够习得图片中的手写数字，并能正确归类。本文使用 pytorch 搭建一个简单的神经网络，实现手写数字的识别， 从本文，你可了解到： 1、搭建神经网络的流程 2、完成手写数字识别模型 3、pytorch基本库1.准备数据''' 1. 导人必要的模块 '''
import numpy as np
import torch
# 导入 pytorch 内置的 mnist 数
转载
2023-10-01 11:41:51
161阅读
ML之DR之PCA：利用PCA对手写数字图片识别数据集进行降维处理(理解PCA)目录初步理解PCA输出结果核心代码初步理解PCA#理解PCA：线性相关矩阵秩计算样例import numpy as npM = np.array([[1, 2], [1009, 2018]]) #初始化一个2*2的线性相关矩阵...
原创
2021-06-15 19:57:30
4643阅读
一、mnist数据描述MNIST数据集是28×28像素的灰度手写数字图片，其中数字的范围从0到9具体如下所示（参考自Tensorflow官方文档）：二、原理 受Hubel和Wiesel对猫视觉皮层电生理研究启发，有人提出卷积神经网络（CNN），Yann Lecun 最早将CNN用于手写数字识别并一直保持了其在该问题的霸主地位。近年来卷积神经网络在多个方向持续发力，在语音识别、人脸识别、通用物体识
ML之DR之PCA：利用PCA对手写数字图片识别数据集进行降维处理(理解PCA)目录初步理解PCA输出结果核心代码初步理解PCA#理解PCA：线性相关矩阵秩计算样例import numpy as npM = np.array([[1, 2], [1009, 2018]]) #初始化一个2*2的线性相关矩阵...
原创
2022-04-24 11:03:27
172阅读
1 内容介绍摘要：随着科学技术的发展，机器学习成为一大学科热门领域，是一门专门研究计算机怎样模拟或实现人类的学习行为的交叉学科。文章在matlab软件的基础上，利用BP神经网络算法完成手写体数字的识别。关键词：机器学习；手写体数字识别；BP神经网络机器学习是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织己有的知识结构，使之不断改善自身的性
一、介绍TensorFlow是当前最流行的机器学习框架，有了它，开发人工智能程序就像Java编程一样简单。今天，就让我们从手写体数字识别入手，看看如何用机器学习的方法解决这个问题。二、编程环境Python2.7+TensorFlow0.5.0下测试通过，Python3.5下未测试。请参考《TensorFLow下载与安装》配置环境。三、思路没有接触过图像处理的人可能会很纳闷，从一张图片识别出里面的内
手写字符识别： - 使用Qt/C++/Linux实现手写字符（主要是界面） - 使用MNIST手写字符集作为训练源 - 使用OpenCV/SVM/KNN训练MNIST数据集MNIST字符集读取与训练MNIST介绍：SVM+MNIST将代码简单修改就是本文使用的训练测试源码，在这里就不赘述了，具体可看源码。手写字符界面所谓手写其实是模拟手写，毕竟一般开发的笔记本和PC没有手写功能，就是用鼠标画图。先
最近做了一个基于opencv的试卷识别项目，在此分享一下。文末附有源码。视频观看：
20211212 主界面： 选择图片后： 识别以后： 识别完成以后会自动截取不同的题目，然后保持到不同的文件夹中，分数会单独的保存到一个txt文本中。手写数字数据集：手写数字识别代码，建议不要直接用mnist手写数字数据集，因为使用这个数据集训练出来的网络，根本识别不了我自己写的数字，亲身体验！没办法，我只好
PCA降维
原创
2021-12-23 16:30:24
390阅读
PCA，Principal Component Analysis，即主成分分析，该算法最早是由Pearson教授与199
原创
2022-10-10 15:39:15
195阅读
PCA简化数据PCA简化数据引言基本概念过程原理重要的概率论和线
原创
2022-11-18 16:18:46
595阅读
一、主成分分析1、动机：多个变量之间往往存在一定的相关性，可以通过线性组合的方式从中提取信息。2、主成分分析：将原始的n维数据投影到低维空间，并尽可能的保留更多的信息。---投影后方差最大---最小化重构误差从而达到降维的目的：使用较少的主成分得到较多的信息。二、图像解释 比如我们想把二维数据降维到一维，那么我们要去找到一条线使得投影后方差最大，如二图中的直线，然后我们把二维
#coding:utf-8import matplotlib.pyplot as pltfrom
原创
2023-05-18 17:20:28
59阅读
