- 博客(9)
- 收藏
- 关注
RSS订阅原创 2018年总结
这是一个迟到的总结，但是不能缺席。原本约定好下半年要周更，没有完成。复盘原因：我当初的写作动机是，准备秋招，所以随着秋招进行没有时间再写，秋招结束后我也就彻底失去了继续写的最主要的动力。不过没关系，现在要恢复更新了。2019年将主要在这里分享技术上的东西，读书心得，抄抄公式等。和读书一次只读一本书一样，写东西一次也只写一个系列。2018年达成的成就：完成了8篇博文，最高的一篇点击量4千...
2019-01-03 17:03:23
258
1
原创 【图像识别】初探数字识别-水表（2）
在上一个博文中，高斯滤波后对灰度值用canny检测边缘。调整canny参数，检测边缘。下面换一种方式，即先二值化后，再findContours检测检测轮廓。图像二值化cv2.threshold(), cv2.adaptiveThreshold(), Otsu’s thresholding.简单阈值划分cv2.threshold(InputArray src, int thresho...
2018-09-01 15:09:23
4797
原创 【图像识别】初探数字识别-识别水表示数
读取图片用openCV来读取图片灰度值，matplotlib来显示图片。import matplotlib.pyplot as plt import matplotlib.image as mpimg # mpimg 用于读取图片import numpy as npimport seaborn as snsimport cv2im = mpimg.imread("./201...
2018-08-25 11:40:09
5963
5
原创 【机器学习】Python数据预处理（1）异常值处理
异常值数据预处理第一步，通常是对异常值的处理。首先，要得到数据的上四分位数和下四分位数，利用np.percentile()，用法如下。import numpy as npx = np.array([[1,2,3],[7,8,9]])Q1 = np.percentile(x,25) # 1st quartileQ3 = np.percentile(x,75) # 3st quartil...
2018-08-20 20:55:13
6855
2
原创 【机器学习】SVM原理公式推导及常见问题（2）
目录 [TOC]软间隔最大化接着上篇介绍的最基本的支持向量机模型，下面介绍“软间隔”最大化。简单来说，就是对间隔放宽一个系数ξiξi\xi_i目标函数为：minω,b,ξ12||ω||2+C∑i=1Nξiminω,b,ξ12||ω||2+C∑i=1Nξi\min_{\omega,b,\xi} \frac{1}{2}||\omega||^2+C\sum_{i=1}^{N}\xi_i s...
2018-08-14 16:42:10
289
原创 【机器学习】SVM原理公式推导和常见问题（1）
目录什么是SVM什么是间隔线性可分SVM的学习思想拉格朗日对偶性学习的对偶算法快捷键Markdown及扩展表格定义列表代码块脚注目录数学公式UML 图:离线写博客浏览器兼容什么是SVM是一种分类模型，求一个能使两类点分布在超平面两侧且间隔最大化的平面。实际中，分为线性可分SVM，线性SVM和非线性SVM。什么是间隔那么如何...
2018-08-13 16:29:55
2016
原创 排列组合详解
本周在看关于决策树和Gradient Boosting Machine包含 1. GBRT算法，代码实现 2. 案例，分类，回归各一个Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ct...
2018-06-11 15:46:39
42272
2
原创 CART分类与回归树
本周在看关于决策树和Gradient Boosting Machine包含 1. 决策树原理，总结我看的文献的描述（5篇） 2. 决策树生成的算法描述，和代码，参考github，Gradient Boosting Machine 和普通decision tree 区别 3. Gradient Boosting Machine 依赖包的应用和调参。Markdown和扩展Markd...
2018-05-29 22:30:16
1446
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人