分类器的作用：常规任务是利用给定的类别已知的训练数据来学习分类规则和分类器，然后对未知数据进行分类（或预测）。分类算法：划分为了两类，即基于概率密度的方法和基于判别函数的方法。基于概率密度的分类算法通常借助于贝叶斯理论体系，采用潜在的类条件概率密度函数的知识进行分类； 在基于概率密度的分类算法中，有著名的贝叶斯估计法[40]、最大似然估计[39] [149]，这些算法属于有参估计，需要预先假设类别
转载
2023-12-31 14:21:12
57阅读
1. Supervised Learning 监督学习：通过已标注的数据，来判断已有的数据 2. Unsupervised Learning 无监督学习：通过判断的数据的关键特征，来自动分类 应用： 图像分析 计算机视觉 语言分析 生物监测 机器控制 经验科学 智能健康 过程： 建模，训练数据集，提
原创
2022-03-08 11:46:14
63阅读
由于一般的博客都没有好友分类的功能，自己添加的好友，基本上也没有时间去回头看，如果分类的话，平时可以方便自己学习某一方面的知识，故自己积累一下，将CSDN和博客园，或者一些网站分类放在这里，供以后参考。平时主要是收藏了，但是基本不会看第二次，不知道讲的什么东西。反正平时遇到了就添加到这里！ 关于博客
转载
2016-05-09 16:27:00
67阅读
2评论
RNN是序列建模的核心基础，LSTM/GRU等是其优化版本，而Transformer则是序列建模的革命性突破（通过自注意力机制替代循环结构）在深度学习领域，按数据类型与处理逻辑分类是最常见、最基础的分类方式之一，因为它直接关联数据的固有特性和模型的核心设计逻辑，也是初学者入门时最先接触的分类框架。
原创
2022-03-02 10:09:56
65阅读
1. 朴素贝叶斯 贝叶斯决策理论方法是统计模型决策中的一个基本方法，基本思想如下： （1） 已知类条件概率密度参数表达式和先验概率 （2） 利用贝叶斯公式转换成后验概率 （3） 根据后验概率大小进行决策分类。 贝叶斯概率研究的是条件概率，也就是研究的场景是在带有某些前提条件下，或者在某些背景条件的约束下发生的概率问
推荐
原创
2022-12-13 09:26:27
400阅读
点赞
原创
2021-06-10 17:05:00
152阅读
注：1.本博文持续更新中，文章较长，可以收藏方便下次阅读。2.本人原创，谢绝转载。1. R-CNN：Rich feature hierarchies for accurate object detection and semantic segmentation技术路线：selective search + CNN + SVMsStep1:候选框提取(selective sea
目录SVM基本概念线性分类与非线性分类线性分类 非线性分类拉格朗日乘算法 等式约束 不等式约束对偶问题KKT条件核函数SMO算法 实例：线性基础 实例：线性展示图SVM基本概念SVM理解图： SVM：支持向量机，因其英文名为support vector machine，故一般简称SVM，通俗来讲
当前，企业与人工智能相结合一直是热门话题，如果企业不能围绕智能化进行转型，很有可能在未来会被淘汰。比如当下，电销行业存在诸多痛点，运营成本不断增加、销售员工作效率低下、人员流动大等，急需转型。基于AI和传统呼叫技术研发的电话机器人产品，当前已经在许多销售场景中得到应用，越来越多的企业开始用电话机器人进行外呼。那么电话机器人到底有什么特点？他是怎样快速定位目标客户的呢?一、效率显著一般认为，一个员工
第七章 面向对象分析 分析类 在分析对象模型中，分析类是概念层次上的内容，用于描述系统中较高层次的对象。实体类：表示系统存储和管理的永久信息；边界类：表示参与者与系统之间的交互；控制类：表示系统在运行过程中的业务控制逻辑。分析活动 需求分析的重点在于理解系统本身，它将需求获取阶段产生的用例和场景转换成分析模型。识别分析类识别边界类通常
转载
2024-07-16 13:03:58
48阅读
在机器学习中，目标要么是预测（prediction），要么是聚类（clustering）。本文重点关注的是预测。预测是从一组输入变量来预估输出变量的值的过程。例如，得到有关房子的一组特征，我们可以预测它的销售价格。预测问题可以分为两大类：1、回归问题：其中要预测的变量是数字的（如房屋的价格）；2、分类问题：其中要预测的变量是“是/否”的答案（如预测某个设备是否会故障）了解了这点，接下来让我们看看机
机器学习是多领域交叉学科，涉及概率论、统计学、逼近论，凸分析，算法复杂度理论等多门学科，用来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。机器学习定义为探究和开发一系列算法来如何是计算机不需要通过外部明显的指示，而可以自己通过数据来学习，建模，并利用建好的模型和新的输入来进行预测的学科。
转载
2019-08-03 11:39:41
430阅读
# 传统机器学习算法分类和深度学习算法分类
## 一、流程概述
为了帮助你理解传统机器学习算法分类和深度学习算法分类的整个流程，我将使用一个表格来展示每个步骤的概述。
| 步骤 | 描述 |
| --- | --- |
| 1 | 数据准备 |
| 2 | 特征工程 |
| 3 | 模型训练 |
| 4 | 模型评估 |
| 5 | 模型应用 |
下面我们将逐步介绍每个
原创
2023-08-17 11:06:13
174阅读
机器学习分为四大块，分别是classification (分类)，regression (回归), clustering (聚类), dimensionality reduction (降维)。聚类（clustering）无监督学习的结果。聚类的结果将产生一组集合，集合中的对象与同集合中的对象彼此相似，与其他集合中的对象相异。没有标准参
转载
2023-07-12 10:32:55
198阅读
今天给大家介绍两个多分类任务中的经典网络模型LeNet5和AlexNet。内容源来自“有三AI”，感兴趣的读者可以关注公众号“有三AI”。首先要给大家普及以下网络深度和网络宽度的概念，强调一点，池化层是不算入网络深度的。网络的深度：最长路径的卷积层+全连接层的数量，这是深度学习最重要的属性。如图，以简单的LeNet5网络为例，网络中包含3个卷积层，2个全连接层，所以网络深度等于5。C1+C3+C5
转载
2023-09-27 18:47:43
254阅读
1. UA-DETRAChttp://detrac-db.rit.albany.edu/UA-DETRAC是一个具有挑战性的现实世界多目标检测和多目标跟踪基准。数据集由 Cannon EOS 550D摄像头在中国北京和天津24个不同地点拍摄的10个小时的视频组成。视频以每秒25帧的速度录制，分辨率为960540像素。在UA-DETRAC数据集中，有超过14万帧和8250辆车被人工标注，总共标记了1
转载
2024-07-31 22:22:39
173阅读
噪声一种自然现象，是物质的一种运动形式。噪声是扰乱或干扰有用信号的不期望的扰动。它使通过网络传输的信号受到干扰或失真。常见的噪声是由大量短促脉冲叠加而成的随机过程。它符合概率论的规律，可以用统计方法进行处理。噪声：1) 外部: 1) 自然界: 1) 大气噪声  
转载
2023-12-29 18:14:50
247阅读
垃圾分类一、选题背景现在随着人口数量的增多，产生了越来越多的垃圾。为了保护好我们居住的环境，我们应该学会垃圾分类，尽到垃圾分类的义务，做一名合格的公民。垃圾分类可以减少对环境的污染，还可以减少垃圾的占地面积，同时可以将回收的垃圾进行二次利用。减少垃圾产量之后不仅可以美化城市环境，而且还能对某些有价值的垃圾进行回收，能够减少资源的浪费，还可以减少二氧化碳的排放量。二、机器学习案例设计方案本次项目所用
转载
2023-12-03 12:19:36
83阅读
作为(曾)被认为两大最好的监督分类算法之一的adaboost元算法(另一个为前几节介绍过的SVM算法)，该算法以其简单的思想解决复杂的分类问题，可谓是一种简单而强大的算法，本节主要简单介绍adaboost元算法，并以实例看看其效果如何。该算法简单在于adaboost算法不需要什么高深的思想，它的基础就是一个个弱小的元结构（弱分类器），比如就是给一个阈值，大于阈值的一类，小于阈值的一类，这样的最简单
转载
2024-01-04 18:35:34
416阅读
