R空间创作者社区

R空间创作者社区

R空间 RCS ROS 资讯博文论坛文档

去全站搜索看看？

登录社区云

登录社区云，与社区用户共同成长

R空间创作者社区

邀请您加入社区

欢迎加入社区

欢迎加入社区

机器学习

ImageNet 数据集的下载及处理

将imagenet数据集下载并且导入一、首先将数据集从官网下载下来这里给出官网下载的链接：http://www.image-net.org/download-images如果想要下载原始图片，需要注册一个账号，注册邮箱需要带有 edu，即学校邮箱。本代码的操作主要针对原始图片的下载及分类任务数据集的处理，点击进入下载原图的页面后，可以看到一系列内容，一般我们会下载 ILSVRC 2012 作为实验

 陈绪谦
2021-01-19 17:36:02

 1.6w

 7

#python #机器学习 #计算机视觉 +2
13.1、时间序列实例

时间序列实例junjun2016年2月12日Rmarkdown脚本及数据集：http://pan.baidu.com/s/1gekA3AV实例一、使用ARIMA模型对裙子长度预测ARIMA 模型为平稳时间序列定义的。因此，如果你从一个非平稳的时间序列开始，首先你就需要做时间序列差分直到你得到一个平稳时间序列。如果你必须对时间序列做 d 阶差分才能得到一

 **码上人生**
2016-02-12 12:07:59

 1.5w

 7

#机器学习
支持向量回归模型SVR

1. SVM回归模型的损失函数度量　　　　回顾下我们前面SVM分类模型中，我们的目标函数是让12||w||2212||w||22最小，同时让各个训练集中的点尽量远离自己类别一边的的支持向量，即yi(w∙ϕ(xi)+b)≥1yi(w∙ϕ(xi)+b)≥1。如果是加入一个松弛变量ξi≥0ξi≥0,则目标函数是12||w||22+C∑i=1mξi12||w||22+C∑i=1mξi,对应的约束条

 ITbeyong
2017-02-20 11:19:22

 1.6w

 2

#机器学习
AlexNet学习笔记－ImageNet Classification with Deep Convolutional Neural Networks

我们来看看《ImageNet Classification with Deep Convolutional Neural Networks》这篇文章在讲什么。首先论文发表惯例性引言，接着介绍他的实验数据集，主要是用ImageNet的ILSVRC比赛的样本，后面会稍微详细的介绍这部分的处理，然后是两个比较精彩的篇章，分别是网络架构(The Architecture)和减少过拟合的处理方法(Reduc

Sun_Aries
2016-08-06 10:02:08

 1.7w

 10

#机器学习 #开源
Stackelberg博弈

Stackelberg最早来源于经济学。Stackelberg安全博弈模型主要包含领导者L和跟随者F。Stackelberg安全博弈是在同时考虑领导者和跟随者策略的情况下，最大化领导者收益的策略游戏。在Stackelberg安全博弈中领导者首先确定自身的混合策略，跟随者通过观察得到领导者的策略信息，然后选择能够最大化自身收益的策略进行博弈，根据策略执行动作跳转到下一状态。Stackelb...

旧夏季听风起
2020-03-30 15:13:09

 1.8w

 11

#机器学习 #深度学习 #神经网络
【实战】使用keras.applications.resnet50.ResNet50训练数据集并进行图像分类，源代码+中文注释

ResNet是ILSVRC 2015在图像分类，检测和定位方面的赢家，也是MS COCO 2015检测和分割的获胜者。ResNet50是一个用于图像分类的简单、高度模块化的网络结构，它已经成为keras中的一个标准模块。基于ResNet50可以构造很多个性化的应用，因此学习使用一下ResNet50很有必要。关于keras.applications.resnet50.ResNet5...

闪闪·Style
2019-10-08 10:52:35

 1.9w

 14

#机器学习
sklearn 内置数据集-威斯康星州乳腺癌数据集

威斯康星州乳腺癌数据集是scikit-learn（sklearn）库中一个常用的内置数据集，用于分类任务。该数据集包含了从乳腺癌患者收集的肿瘤特征的测量值，以及相应的良性（benign）或恶性（malignant）标签。数据集名称：威斯康星州乳腺癌数据集（Breast Cancer Wisconsin Dataset）数据集来源：数据集最初由威斯康星州医院的Dr. William H. Wolbe

总是忘记
2023-05-24 10:33:27

 2.1w

 30

#sklearn #机器学习 #python
Spark安装和配置

http://blog.csdn.net/pipisorry/article/details/50924395安装HadoopSpark默认使用HDFS充当持久化层,所以需要安装Hadoop,当然也可以不安装。最好下载和spark对应的版本。spark单机环境安装{linux下的安装，windows上也类似}安装jdk依赖[java环境配置：安装jdk]下载spark相应hadoop2.*版本选择

 -柚子皮-
2016-03-18 16:06:17

 2.1w

 3

#spark #机器学习
近似最近邻搜索方法FLANN简介

AR/VR群：244751474 ，欢迎加入，进行项目讨论！-----------------------------------------------分割线---------------------------------------------一、简介我们可以用下面的方式定义最近邻搜索（NNS）问题：在一个度量空间X给定一组点P=p1,p2,…,pn，这些点必须通过以下方

 CV码
2015-09-23 16:50:46

 2.2w

 2

#机器学习
GBDT（梯度提升决策树）算法（详细版）

转载地址：https://mp.weixin.qq.com/s?__biz=MzIzNDM2OTMzOQ==&mid=2247485043&idx=1&sn=0a207eb61e3119d06507e9c9a42c4164&chksm=e8f63e27df81b731f2ddd60c4e8162f6f5297554e3ac8bb661

Microstrong0305
2018-02-28 19:54:04

 2.5w

 8

#机器学习 #集成学习
深度揭秘春晚的新科技元素，XR/VR等云技术发展下的红利期

《2021年春节联欢晚会》及各地春晚都已圆满落下帷幕，各企事业单位也迎来了节后的开工大吉。但大家对于牛年春晚、河南春晚《唐宫夜宴》的关注度却未下降，关于春晚中新科技元素所带来的震撼效果的讨论也越来越多。刘德华、周杰伦毫无违和感的云表演是如何做到的呢？春晚遇上8K超高清、“VR/AR/XR+三维声”等新技术，又会擦住怎样的火花呢？企事业单位又该如何抓住XR/VR等云技术发展下的红利期呢？作为国家工信

 道可云
2021-02-20 15:59:00

 2.9w

#深度学习 #数据挖掘 #机器学习 +1
Pytorch Transformer Tokenizer常见输入输出实战详解

Tokenizer简介和工作流程Transformers，以及基于BERT家族的预训练模型+微调模式已经成为NLP领域的标配。而作为文本数据预处理的主要方法-Tokenizer（分词器）则成为了必不可少的工具。本篇文章以Transformers中使用的AutoTokenizer为例说明其用法。但如果实际场景中使用BERT、ALBERT等预训练模型，原理类似，但需要使用模型相对应的Tokenizer

yosemite1998
2022-01-04 18:51:09

 3w

 72

#pytorch #自然语言处理 #机器学习
机器学习：简单线性回归（附数据集下载地址）--补充

数据集下载地址：https://pan.baidu.com/s/1HaBVhEmSaBKBfZVRMww56Q 密码：qlge线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自...

Cvjark
2018-09-08 15:02:53

 3.2w

 7

#线性回归 #机器学习
利用支持向量机(回归)SVR进行回归预测(复习8)

本文是个人学习笔记，内容主要基于支持向量机(回归)SVR对boston数据集学习回归模型和利用模型预测。SVR同SVC一样，是从训练数据中选取一部分更加有效地支持向量，根据这些训练样本的值通过回归分析预测目标。在SVM里，核函数是一种非常有用的特征映射技巧，径向基核函数对特征可以进行非线性映射。from sklearn.datasets import load_bostonbosto

Young_win
2018-01-20 10:31:25

 5.9w

 18

#支持向量机 #回归 #机器学习
常用PySpark API（一）： parallelize, collect, map, reduce等API的简单用法

参考：1. https://www.cnblogs.com/sharpxiajun/p/5506822.html2. https://blog.csdn.net/wc781708249/article/details/782281170. RDD数据类型RDD（Resilient Distributed DataSet）是一种弹性分布式数据集，是Spark的核心，其可以有由稳定存储中的数据通过转换

 梦想总是要不可及，是不是应该放弃
2018-07-03 16:12:56

 2.8w

 16

#数据挖掘 #机器学习
ECCV2018 | 论文阅读CornerNet: Detecting Objects as Paired Keypoints

CornerNet: Detecting Objects as Paired Keypoints（3 Aug 2018）论文链接：[https://arxiv.org/abs/1808.01244]摘要使用单个卷积神经网络将物体边界框检测为一对关键点，即左上角和右下角。通过将对象检测为成对关键点，我们消除了设计现有单级检测器中常用的一组anchors的需要。CornerNet在M...

小仙女的大大大天地~
2018-09-04 10:42:00

 3.2w

 37

#计算机视觉 #机器学习 #目标检测
len函数python_Python len（）函数

len函数pythonPython len() function returns the length of the object. Generally, len() function is used with sequences (string, tuple) and collections (dict, set) to get the number of items. Python len（）

cunchi4221
2020-07-08 07:59:58

 3.6w

 9

#python #javascript #机器学习 +1
一文帮你理解模型选择方法：AIC、BIC和交叉验证！

一文帮你理解【模型选择方法】：AIC、BIC 和交叉验证！本文先讲透模型选择的基本思想，再逐一叙述几种比较典型和常用的模型选择方法，希望可以帮助你理解。一、模型选择的基本思想模型选择的核心思想就是从某个模型中选择最佳模型。模型选择主要用于解决过拟合现象。它与一般的“调参”不一样，调参很多时候可能是针对优化算法中的某些参数进行调整，比如步长（学习速率）、迭代次数等，也会涉及到模型中调整参数（也称正则

 村姑小张
2021-04-14 22:02:01

 4.2w

 48

#数据分析 #机器学习
AIC与BIC区别

1、AIC准则2、BIC准则

 小旭旭儿
2018-06-10 21:36:46

 3.9w

 18

#数学 #机器学习
ROC曲线的绘制过程/AUC/TPR、FPR、敏感度和特异度

在选择诊断试验时，一些研究学者会在灵敏度和特异度的取舍之间徘徊。那么，是否可以综合灵敏度和特异度之间的特点，选择一个指标来评价诊断实验之间的准确性呢？Lusted在1971年提出了受试者工作特征曲线（receiver operating characteristic curve，简称ROC曲线），用来描述诊断试验的内在真实度，应用十分广泛。1 ROC曲线ROC曲线是以假阳性概率(False pos

小苑同学
2020-05-15 18:07:13

 4.1w

 21

#机器学习
tensorflow从0开始（1）

初入此行，觉得machine learing的思想还挺好，准备开始学习下，至于为什么选择tensorflow，个人没什么经验去做比对，只是个感觉：1. tensorflow是google brain的项目，至少目前来看，google我觉得是靠谱的2. tensorflow开源，这是目前软件的趋势3. 简单浏览了下tensorflow的白皮书，tensorflow提供了很多分布式（CPU

江洋大盗与鸭子
2016-06-07 13:10:58

 3.9w

#机器学习 #tensorflow
python安装cv2

参考链接：https://blog.csdn.net/weixin_39450145/article/details/104801730https://pypi.org/project/opencv-python/1.问题：ModuleNotFoundError: No module named 'cv2’2.解决：安装cv2pip install opencv-python（如果只用主模块，使用

 醉一心
2021-11-16 18:49:56

 4.5w

 26

#python #机器学习
AI对于高考和IT行业的深远影响

尽管AI技术的发展对传统软件开发行业带来了冲击，但基础知识的掌握、多样化的技能需求、跨学科的应用、市场的动态供需规律、持续学习和技术迭代，以及创新思维的重要性，都使得软件开发类专业在当前和未来的技术环境中依然具有重要的价值。只要紧跟社会和行业的发展，做好持续学习、技术迭代和创新思维，软件开发类专业的学生一定能在行业中找到自己的一席之地，并保持不败之地。然而，技术的进步和创新依然是推动行业前进的关键

 sixpp
2024-07-06 20:07:41

 5.1w

 13

#人工智能 #高考 #机器学习 +2

加载更多

回到
顶部

提供社区服务与技术支持

提供社区服务与技术支持

©1999-2023北京创新乐知网络技术有限公司京ICP备19004658号