原创 目標函數，損失函數，代價函數，經驗風險，結構風險
損失函數=代價函數，都用於衡量模型擬合的程度。比如： ，損失函數越小就代表擬合得越好。 關於訓練集的平均損失稱作經驗風險(empirical risk)，即 ，所以我們的目標就是最小化 ，稱爲經驗風險最小化。 但僅僅經驗風險最小化
2020-06-06 14:10:36
原创 LR 邏輯迴歸 總結
目錄 LR的兩種理解 LR的損失函數 求解（梯度法，牛頓法，擬牛頓法） 梯度下降法：隨機梯度下降和批量梯度下降 牛頓法： 擬牛頓法： 邏輯迴歸用於多分類 one-vs-all： one-vs-one: softmax： LR的並行
2020-06-06 14:10:36
原创 集成學習-面試思路
集成學習直觀上來說達到了三個臭皮匠能抵一個諸葛亮的效果，從機器學習的角度來說，集成學習融合了特徵轉換和正則化兩個特點，通常的機器學習模型只能注重一點，這也是集成學習能達到不錯的效果的原因。通常來說要求基學習器都“還行”而且方
2019-07-30 09:45:01
原创 SLIC 簡單線性迭代聚類
優點：SLIC在運行速度、生成超像素的緊湊度、輪廓保持方面都比較理想。 步驟：1.初始化聚類中心 2.以種子點爲中心在3x3範圍內選最小梯度點作爲新的聚類中心. 3.確定搜索範圍2S*2S，爲範
2019-06-14 23:35:51
原创 核邏輯迴歸--kernel logistics regression
基於sklearn實現anova核邏輯迴歸 import numpy as np from sklearn.metrics.pairwise import check_pairwise_arrays from scipy.linalg
2019-05-03 08:17:13
原创 SVM 支持向量機
SVM簡單的說就是尋找一個超平面來分割我們的正反樣本。超平面可以用二維平面的線和三維空間的面來理解。而超平面可以用w.X+b=0來表示。對於某一個點Xi來說，如果w.Xi+b>0視爲正，Yi=1；反之視爲負,Yi=-1。它到超平
2019-03-31 20:32:19
原创 Structure-Texture Image Decomposition—Modeling, Algorithms, and Parameter Selection；圖像降解，結構和紋理部分
1.如果已知紋理部分非常結構化，那麼TV-L 1方法是最佳選擇。 2.在定向紋理的情況下或者如果已知紋理的頻率估計，並且如果紋理相當平滑，那麼TV-Gabor模型是更合適的方法。 3.在一般情況下，當沒有紋理的先驗知識時，我們提倡TV-L
2018-09-13 03:05:46
6
原创 Sketch Tokens: A Learned Mid-level Representation for Contour and Object Detection
論文閱讀參考 https://blog.csdn.net/seavan811/article/details/46598281
2018-09-07 12:20:51
原创 Contour Detection and Hierarchical Image Segmentation
文獻閱讀參考 https://blog.csdn.net/nature_XD/article/details/53375344?locationNum=9&fps=1
2018-09-06 06:51:57
5
原创 EM算法
EM算法是一種迭代算法，用於含有隱變量（即我們無法觀測到具體數據的但又客觀存在的變量）的概率模型參數的極大似然估計（或極大後驗概率估計）。em算法的每次迭代由兩步組成：E步，求期望（expectation）；m步，求極大值（max
2018-09-06 06:51:56
原创 目標檢測中一些主要的顏色處理方法
一. 在各個顏色通道上應用基於形狀的圖像描述子，例如SIFT描述子，常見的有HSVsift，Opponentsift和related Csift descriptors。SIFT算子是David G Lowe在2004提出的，即尺度不變
2018-09-06 06:51:56
原创 一些RGB色差度量公式
1)RGB色差公式[1]:其定義如下:RGB顏色空間中兩個顏色,座標分別爲xi=(ri,gi,bi)和xj=(rj,gj,bj),兩者間色差爲:即以兩者間的空間距離作爲色差值。2)RGB加權色差公式:由於R
2018-09-06 06:51:56
原创 numpy基礎
arange函數：類似於python的range函數：指定起始值、終止值和步長來創建數組 # 和Python的range類似，arange同樣不包括終值；但arange可以生成浮點類型，而range只能是整數類型 # a = np.ara
2018-09-06 06:51:56
原创 廣義線性模型（GLM）
在線性迴歸中，y丨x；θ~N（μ，σ^2)。在邏輯迴歸中，y丨x；θ~Bernoulli（Φ）。這兩個都是GLM中的特殊的cases。我們首先引入一個指數族（the exponential family）的概念。如果一個分佈能寫成
2018-09-06 06:51:56