经过前面两篇博文的学习，我们已经训练好了一个caffemodel模型，并生成了一个deploy.prototxt文件，现在我们就利用这两个文件来对一个新的图片进行分类预测。 我们从mnist数据集的test集中随便找一张图片，用来进行实验。 最后输出 the class is : 5 分类正确。 如 ...
分类：
编程语言 时间：
2016-07-19 20:38:41
阅读次数：
1075
一 引言 本程序是一个完整的机器学习过程，先编写基于python的爬虫脚本，爬取目标论坛网站的评论到本地存储，然后使用贝叶斯分类模型对评论进行分类，预测新 的评论是否为垃圾评论。如果遇到大数据量的问题，可以把贝叶斯算法写成mapreduce模式，map负责把数据集划分成键值对格式，类序号为key，属 ...
分类：
其他好文 时间：
2016-07-05 22:32:05
阅读次数：
450
Accord.Net中决策树 决策树介绍 决策树是一类机器学习算法，可以实现对数据集的分类、预测等。具体请阅读我另一篇博客（http://www.cnblogs.com/twocold/p/5424517.html）。 Accord.Net Accord.Net(http://accord-fram ...
分类：
Web程序 时间：
2016-05-03 10:47:07
阅读次数：
554
Dataset
本文的数据集包含了各种与汽车相关的信息，如点击的位移，汽车的重量，汽车的加速度等等信息，我们将通过这些信息来预测汽车的来源：北美，欧洲或者亚洲，这个问题中类标签有三个，不同于之前的二元分类问题。由于这个数据集不是csv文件，而是txt文件，并且每一列的没有像csv文件那样有一个行列索引（不包含在数据本身里面），而txt文件只是数据。因此采用一个通用的方法read_table()来...
分类：
其他好文 时间：
2016-04-29 18:22:38
阅读次数：
274
Dataset
本文的数据集包含了各种与汽车相关的信息，如点击的位移，汽车的重量，汽车的加速度等等信息，我们将通过这些信息来预测汽车的来源：北美，欧洲或者亚洲，这个问题中类标签有三个，不同于之前的二元分类问题。由于这个数据集不是csv文件，而是txt文件，并且每一列的没有像csv文件那样有一个行列索引（不包含在数据本身里面），而txt文件只是数据。因此采用一个通用的方法read_table()来...
分类：
其他好文 时间：
2016-04-26 20:45:28
阅读次数：
182
之前的博文中已经将卷积层、下采样层进行了分析，在这篇博文中我们对最后一个顶层层结构fully_connected_layer类（全连接层）进行分析： 一、卷积神经网路中的全连接层 在卷积神经网络中全连接层位于网络模型的最后部分，负责对网络最终输出的特征进行分类预测，得出分类结果： LeNet-5模型中的全连接层分为全连接和高斯连接，该层的最终输出结果即为预测标签，例如这里我们需要对MNIST...
分类：
编程语言 时间：
2016-03-16 09:44:01
阅读次数：
1074
ID3算法 ID3算法是J. Ross Quinlan在1975提出的分类预测算法。该算法的核心是“信息熵”。 信息熵就是一组数据包含的信息，概率的度量。一组数据越有序信息熵也就越低，极端时如果一组数据中只有一个非0，其它都是0，那么熵等于0，因为只有可能是这个非0的情况发生，它给人们的信息已经确定
分类：
编程语言 时间：
2016-03-07 10:15:46
阅读次数：
208
在使用机器学习算法进行分类预测的过程中，往往最困难的部分在于如何提高模型预测的准确率。有时候当我们辛辛苦苦准备了数据集，进行了繁琐的数据预处理，编码，提交到集群完成了模型训练之后，忽然发现预测的准确率低到让人无语，笔者曾经遇到过进行0,1分类，结果训练出来的模型准确率是51.8%，这和人工随机分类几
分类：
其他好文 时间：
2016-01-30 13:29:53
阅读次数：
170
课程观看地址：http://www.xuetuwuyou.com/course/59课程出自学途无忧网：http://www.xuetuwuyou.com/课程介绍一、课程所用软件：R3.2.2（64位）RStudio二、课程涉及到的技术点：1）R语言的基本语法、函数2）R中实用性很强的包3）模式识别、分类预测算法原理及其实现三、课程学..
分类：
编程语言 时间：
2015-11-30 18:13:52
阅读次数：
638
版权声明：本文为原创文章，转载请注明来源。1.原理1.1 概念交叉验证(Cross-validation)主要用于模型训练或建模应用中，如分类预测、PCR、PLS回归建模等。在给定的样本空间中，拿出大部分样本作为训练集来训练模型，剩余的小部分样本使用刚建立的模型进行预测，并求这小部分样本的预测误差或者预测精度，同时记录它们的加和平均值。这个过程迭代K次，即K折交叉。其中，把每个样本的预测误差平方加和...
分类：
其他好文 时间：
2015-07-28 21:15:20
阅读次数：
1786
