原创 python 數字圖像處理 二 圖像的加減乘除與交併補
圖像的線性操作 假設f(x,y),g(x,y)分別爲兩幅已知的圖像，圖像的線性操作就是直接在每個位置的像素上做運算(兩幅圖像的尺寸需保持一致)，最終得到的圖像s(x,y)，可能會出現以下問題: 1）會出現不在 [ 0-255 ] 之間的像
2019-03-03 19:26:15
原创 python 數字圖像處理1 基本知識
1.定義 一幅圖像定義爲一個二維數組f(x,y)，其中x,y是空間的平面座標，而在任何一堆空間座標x,y處的幅值f成爲圖像在該點的強度或灰度，每個元素都有一個特定的位置和幅值，這些元素稱爲像素。 2.圖像處理分類 低級處理：輸入，輸出
2019-03-03 19:26:05
原创 Python 提取Windos聚焦的登陸圖片
引言 用Win10也有一段時間了，發現設置了Windows聚焦的鎖屏十分好看，雖然網上有教程，可以找到對應的本地地址，但每次還需要重命名，然乎複製粘貼到自己指定的文件夾，爲了省事，閒暇之餘用python寫了一個腳本，可以
2019-02-27 19:10:05
1
原创 編程筆記-rand7()生成rand10()
概述 已知隨機數生成函數rand7()可以生成整數1-7之間的均勻分佈，如何使用rand7()構造rand10()，使rand10()可以生成整數1-10的均勻分佈 分析 要保證rand10()生成的隨機數是1-10的均勻分佈，可以先
2018-12-10 18:40:56
原创 數據結構筆記-二叉樹及其實現 python
概述 二叉樹是一種最簡單的樹形結構，其特點是樹中每個結點至多關聯到兩個後繼結點，也就是，一個節點可以關聯到的結點可以爲0,1,2，這也是二叉樹一個節點度的定義，另一個特點是結點關聯的後繼結點明確的分左右，一般有一個根結點，然後根結點的左右
2018-11-28 13:07:28
原创 數據結構筆記-棧與隊列 python
概述 棧與隊列是程序設計中被廣泛應用的兩種重要的數據結構，都是在特定範圍的存儲單元內存儲數據，這些數據都可以被重新取出使用，與線性表相比，他們的插入和刪除受到更多的約束，固又稱限定性的線性表結構。他們是最簡單的緩存結構，他們只支持數據項的
2018-11-26 03:55:04
原创 數據結構筆記-實現鏈表反轉 python
概述 這裏主要針對單向鏈接表，單向連接表的結點是一個二元組，其中元素域elem保存着作爲表元素的數據項，連接域next包含着同一個表裏下一個節點的標識。在最常見的單鏈表裏，與表裏n個元素對應的n個結點通過連接形成一條結點鏈，從表中任一結點
2018-11-26 03:55:04
9
原创 線性模型-線性迴歸與實現 西瓜書
線性模型給定d個屬性描述的實例x = (x1,x2,...,xd),其中xi是x在第i個屬性上的取值，線性模型想要學得一個通過屬性的線性組合來進行預測的函數，即：
2018-08-24 10:46:47
2
原创 線性模型-局部加權線性迴歸 機器學習實戰
局部加權線性迴歸線性迴歸的一個問題是有可能出現欠擬合，因爲它求的是具有最小均方誤差的無偏估計，顯然模型欠擬合將無法做出很好的迴歸預測，所以有些方法允許在估計中引入一些偏差，從而降低預測的均方誤差。局部線性加權的思想是對待預測點附近的每個點
2018-08-24 10:46:47
4
原创 SVM支持向量機-核函數python實現（7）
數據可視化上篇文章介紹了線性不可分和線性可分兩種情況，以及五種核函數，線性核函數（linear），多項式核函數（poly），高斯核函數（rbf），拉普拉斯核函數（laplace）和Sigmoid核函數，基於《機器學習實戰》的數據，我們使用
2018-08-24 10:46:47
8
原创 LASSO迴歸與L1正則化 西瓜書
1.結構風險與經驗風險在支持向量機部分，我們接觸到鬆弛變量，正則化因子以及最優化函數，在樸素貝葉斯分類，決策樹我們也遇到類似的函數優化問題。其實這就是結構風險和經驗風險兩種模型選擇策略，經驗風險負責最小化誤差，使得模型儘可能的擬合數據，而
2018-08-24 10:46:45
原创 集成學習-弱分類器與AdaBoost簡介 西瓜書
1.集成學習現實情景中，一個學習器的泛化性能可能有侷限，而集成學習則可以通過構造多個學習器來完成學習任務，有時也被稱爲多分類器系統，集成學習的大致步驟是先生成一組‘個體學習器’，然後基於某種策略將學習器結合起來，個體學習器同昌由現有的算法
2018-08-24 10:46:45
5
原创 快速排序-提取排序索引 算法
引言上篇文章的運行結果會返回一個特徵重要性列表，表示了一個預測分類問題中，各變量對分類的貢獻程度，爲了方便，我們需要將重要性排序，從而直觀看的哪些是重要的特徵，哪些是不重要的，其次，爲了提高效率，有時我們需要的是特徵對應的索引，而不是特徵
2018-08-24 10:46:45
2
原创 SVM支持向量機-軟間隔與鬆弛因子（3）
上一篇文章推導SMO算法時，我們通過導入鬆弛因子，改變了對偶問題的約束條件，這裏涉及到軟間隔和正則化的問題，我們一直假定訓練樣本是完美無缺的，樣本在樣本空間或特徵空間一定是線性可分的，即存在一個超平面將不同類的樣本完全劃分開，然而現實中，
2018-08-24 10:46:45
27
原创 SVM支持向量機-核函數（6）
引言：前邊幾篇文章中提到的分類數據點，我們都假設是線性可分的，即存在超平面將樣本正確分類，然而現實生活中，存在許多線性不可分的情況，例如“異或”問題就不是線性可分的，看一下西瓜書上的一個"異或"的例子，對於二維數據點，[0,0],[1,1
2018-08-24 10:46:45