原创 Opencv常用函數合集【持續更新】

目錄1.輸入、顯示和保存圖像2.讀取、顯示、保存和處理視頻3.畫線,畫圓,畫矩形,畫多邊形,顯示文字4.框住並得到目標位置(獲取鼠標消息)5.滑動條作調色板6.圖像基礎操作:像素、屬性、ROI、通道、填充7.圖像運算:加法、混合8

原创 【pycharm】自動生成代碼模板腳本(一步搞定)

如果你想設置個性化的代碼模板,可以如下圖一般的操作 步驟 結果 參考資料:https://blog.csdn.net/xiemanR/article/details/79579932

原创 《機器學習實戰》 第八章【預測數值型數據:(線性)迴歸】

目錄算法簡述優缺點迴歸的一般方法線性迴歸:1.標準線性迴歸(LR)2.局部加權線性迴歸(LWLR)3.嶺迴歸4.lasso5.前向逐步迴歸 算法簡述 優缺點 優點:結果易於理解,計算上不復雜 缺點:對非線性的數據擬合不好 使用數

原创 《機器學習實戰》 第九章【樹迴歸】

目錄算法描述樹迴歸算法構建樹找數據集最佳切分點樹剪枝預剪枝後剪枝CART算法模型樹一般流程優缺點 算法描述 實際生活中的很多問題都是非線性的,不可能使用全局線性模型來進行擬合數據,有一種方法是將數據集切分成爲很多份易於建模的數據,

原创 《機器學習實戰》 第十三章【利用PCA來簡化數據】

PCA(principal components analysis)即主成分分析技術,又稱主分量分析。主成分分析也稱主分量分析,旨在利用降維的思想,把多指標轉化爲少數幾個綜合指標。 在統計學中,主成分分析PCA是一種簡化數據集的

原创 《機器學習實戰》 第十二章【使用FP-growth算法來高效發現頻繁項集】

FP-Growth算法是韓嘉煒等人在2000年提出的關聯分析算法,它採取如下分治策略:將提供頻繁項集的數據庫壓縮到一棵頻繁模式樹(FP-tree),但仍保留項集關聯信息。 在算法中使用了一種稱爲頻繁模式樹(Frequent Pa

原创 python+opencv遇到的錯誤(長期更新)

錯誤1: imshow() missing required argument ‘mat’ (pos 2) import cv2 #引用模塊 img = cv2.imread('..\images\chap02\\tiger.j

原创 【tensorflow學習之路】構建一個簡單的CNN模型進行MNIST分類

Model: "sequential" _________________________________________________________________ Layer (type)

原创 《機器學習實戰》 第十四章【利用SVD簡化數據】

奇異值分解(Singular Value Decomposition)是線性代數中一種重要的矩陣分解,奇異值分解則是特徵分解在任意矩陣上的推廣。在信號處理、統計學等領域有重要應用。 ——百度百科 目錄算法描述優缺點算法思路一個

原创 【排序】國王的遊戲

題目鏈接:https://ac.nowcoder.com/acm/problem/16561 題目描述 恰逢 H 國國慶,國王邀請 n位大臣來玩一個有獎遊戲。首先,他讓每個大臣在左、右手上面分別寫下一個整數,國王自己也在左、右手

原创 【tensorflow學習之路】如何使用gpu進行運算

準備階段: Anaconda 3(官網下載) python3.x(Anaconda3自帶) GPU(最低NVDIA GTX 650) tensorflow-gpu(Anaconda中安裝) tensorflow基本語法操作 代

原创 【目標檢測】Faster RCNN學習筆記

背景 R-CNN計算成本很高,但是各種推薦中共享卷積,成本已經大大降低,然而其訓練過程和測試依然非常慢 R-CNN方法端到端地對CNN進行訓練,將推薦區域分類爲目標類別或背景;R-CNN主要作爲分類器,並不能預測目標邊界,其準確

原创 【字符串】FBI樹

題目鏈接:https://ac.nowcoder.com/acm/problem/16660 思路: 題目要讓我們做的是,將01構成的字符串轉換爲由BIF字符構成的樹的後序遍歷。 首先,(拿10001011做例子)根節點爲F,原

原创 《機器學習實戰》 第十一章【使用Apriori算法進行關聯分析】

Apriori算法是第一個關聯規則挖掘算法,也是最經典的算法。它利用逐層搜索的迭代方法找出數據庫中項集的關係,以形成規則,其過程由連接(類矩陣運算)與剪枝(去掉那些沒必要的中間結果)組成。該算法中項集的概念即爲項的集合。包含K個

原创 【軟件安裝&環境配置】Windows10下的CMake安裝

第一步: https://cmake.org/download/下載 第二步: 將壓縮包解壓到一個空文件夾中,比如,我這裏是E:\CMake 第三步: 配置環境變量,右擊我的電腦–>屬性–>高級系統設置–>環境變量,然後在用戶變