1 统计模式识别 图像-增强图像-特征提取-分类 训练样本-有规则的学习-误差检测-改进规则-分类 1.1 决策理论方法 ①线性判别 将待分类图像X投影到N个提取的特征上，形成Y向量，系数向量为W，判别函数D（X）= Y’W 通过分别计算i、j两类的D（X），比较大小，判断类别。Di（X）-Dj（X ...
分类：
其他好文 时间：
2017-04-20 22:43:32
阅读次数：
155
在自然语言处理中，经常要计算单词序列（句子）出现的概率估计。我们知道，算法在训练时，语料库不可能包含所有可能出现的序列。 因此，为了防止对训练样本中未出现的新序列概率估计值为零，人们发明了好多改善估计新序列出现概率的算法，即数据平滑算法。 Laplace 法则 最简单的算法是Laplace法则，思路 ...
分类：
编程语言 时间：
2017-03-26 21:11:59
阅读次数：
402
在训练图像识别的深度神经网络时，使用大量更多的训练数据，可能会使网络得到更好的性能，例如提高网络的分类准确率，防止过拟合等。获取更多的训练样本其实是很好的想法。不幸的是，这个方法的代价很大，在实践中常常是很难达到的。不过还有一种方法能够获得类似的效果，那就是人为扩展训练数据（Artificially ...
分类：
其他好文 时间：
2017-03-17 17:39:59
阅读次数：
368
一、如何学习大规模数据集？ 在训练样本集很大的情况下，我们可以先取一小部分样本学习模型，比如m=1000，然后画出对应的学习曲线。如果根据学习曲线发现模型属于高偏差，则应在现有样本上继续调整模型，具体调整策略参见第六节的高偏差时模型如何调整；如果发现模型属于高方差，则可以增加训练样本集。 二、随机梯 ...
分类：
系统相关 时间：
2017-03-06 14:33:41
阅读次数：
177
提升方法(boosting)详解 提升方法（boosting）是一种常用的统计学习方法，应用广泛且有效。在分类问题中，它通过改变训练样本的权重，学习多个分类器，并将这些分类器进行线性组合，提高分类的性能。 本章首先介绍提升方法的思路和代表性的提升算法AdaBoost，然后通过训练误差分析探讨AdaB ...
分类：
其他好文 时间：
2017-02-15 00:44:41
阅读次数：
138
我们使用一些传统的监督学习方法做分类的时候，往往是训练样本规模越大，分类的效果就越好。但是在现实生活的很多场景中，标记样本的获取是比较困难的，这需要领域内的专家来进行人工标注，所花费的时间成本和经济成本都是很大的。而且，如果训练样本的规模过于庞大，训练的时间花费也会比较多。那么有没有办法，能够使用较 ...
分类：
其他好文 时间：
2017-01-15 19:22:36
阅读次数：
189
（上接第二章） 2.3 分类算法：朴素贝叶斯 2.3.1 贝叶斯公式推导（略） 分类的流程： 第一阶段：训练数据生成训练样本集：TF-IDF 第二阶段：对每个类别计算p（yi）。 第三个阶段：对每个特征属性计算所有划分的条件概率 第四个阶段：对每个类别计算P(x|yi)P（yi）。 第五个阶段：以P ...
分类：
编程语言 时间：
2016-12-29 19:24:43
阅读次数：
242
注：最近开始学习《人工智能》选修课，老师提纲挈领的介绍了一番，听完课只了解了个大概，剩下的细节只能自己继续摸索。 从本质上讲：机器学习就是一个模型对外界的刺激（训练样本）做出反应，趋利避害（评价标准）。 1. 什么是逻辑回归？ 许多人对线性回归都比较熟悉，但知道逻辑回归的人可能就要少的多。从大的类别 ...
分类：
其他好文 时间：
2016-12-27 07:30:47
阅读次数：
276
一、mnist数据集 mnist是一个手写数字数据库，由Google实验室的Corinna Cortes和纽约大学柯朗研究院的Yann LeCun等人建立，它有60000个训练样本集和10000个测试样本集。mnist数据库官方网址为：http://yann.lecun.com/exdb/mnist ...
分类：
Windows程序 时间：
2016-12-15 20:16:31
阅读次数：
2937
监督学习：简单来说就是给定一定的训练样本(这里一定要注意，样本是既有数据，也有数据对应的结果)，利用这个样本进行训练得到一个模型(可以说是一个函数)，然后利用这个模型，将所有的输入映射为相应的输出，之后对输出进行简单的判断从而达到了分类(或者说回归)的问题。简单做一个区分，分类就是离散的数据，回归就 ...
分类：
其他好文 时间：
2016-12-12 23:05:02
阅读次数：
142
