计数和分类变量是我们经常遇到的，比如一个群体中患病个体数、等位基因频数等。不少人习惯把计数变量转换成比率来进行分析。但是，这么做存在很大的问题。10/20和1/2在数值上是相等的，但是它们的样本数量却不一样，如果转换成比率来分析，实际上就损失掉了样本量。所以，并不推荐将计数资料转换成比例来分析。那么对于计数和分类资料怎么分析呢？本章就来一探究竟。二项回归模型binomialregression:即
分类：
其他好文 时间：
2021-01-02 11:40:33
阅读次数：
0
k近邻（k-NearestNeighbor，简称kNN）学习是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于k个“邻居”的信息来进行预测。1.最近邻检索（NearestNeighborSearch）最近邻检索就是根据数据的相似性，从数据库中寻找与目标数据最相似的项目。这种相似性通常会被量化到空间上数据之间的距离，可以认为数据
分类：
其他好文 时间：
2021-01-02 11:38:02
阅读次数：
0
回顾在文章《朴素贝叶斯》中，小夕为大家介绍了朴素贝叶斯模型的基本知识，并且得出了朴素贝叶斯是利用联合概率P(x1,x2,x3...xn,y)来确定某个样本为某个类别的概率，进而利用最大后验概率（MAP）来决策类别。也就是说，朴素贝叶斯的假设函数如下：其中，假设有c个类别，则i=1,2,...,c。（补充：argmax大家应该都熟悉了吧，意思就是返回使函数值最大的参数，这里的函数即P(X,yi)，参
分类：
其他好文 时间：
2020-12-29 11:52:17
阅读次数：
0
天天都在说优化Dockerfile。到底怎么优化，优化后的检验指标又是什么？没有考虑清楚行动目的，隔空放炮，必然徒劳无功。笔者最近准备在CI上增加安全检测，在分析案例样本的时候，找到了比较流行的struts2漏洞，其中S2-052远程代码执行漏洞的利用方式就是在POST请求中添加恶意代码或命令。如Demo片段所示。<command><string>touch</str
分类：
系统相关 时间：
2020-12-25 13:21:15
阅读次数：
0
import tensorflow as tf #创建一张图包含了一组op和tensor,上下文环境 #g=tf.Graph() #print(g) #当创建了新的图后，又分配了新的内存 #with g.as_default(): # c=tf.constant(12.0) # print(c.gr ...
分类：
其他好文 时间：
2020-12-25 11:59:21
阅读次数：
0
Windows下使用spyder训练SSD TensorFlow，并进行客流检测 背景 之前的尝试中， "用yolo v3训练自己的模型并进行客流检测" 。得到的结果其实已经很好，增加训练样本和训练周期，最后也取得了如下的效果，但是实际在视频中检测时候，抖动现象还是比较严重的。 尝试使用另一种实时检 ...
分类：
其他好文 时间：
2020-12-25 11:58:25
阅读次数：
0
图片来源AlainPhamUnsplash人体姿态骨架以图形格式表示人的方向。本质上，它是一组可以用来描述个人姿态的坐标骨架。其中的每一个坐标都可以称为一个部分(或一个关节，或一个关键点)。两个部分之间的有效连接称为一对(或一个肢体)。注意，并不是所有的部件组合都会产生有效的一对。人体姿态骨架样本如下图所示。左图:COCO关键点格式的人体姿态骨架。右图:绘制的人体姿态骨架。(来源Source)了解
分类：
其他好文 时间：
2020-12-24 12:25:17
阅读次数：
0
文|kid丶源|知乎编|兔子酱今天跟大家分享一篇很有意思的文章，是一篇探讨深度学习模型记忆&遗忘机制的文章，是一篇角度很新颖的题材，同时又有一定启发作用。这篇文章发表在深度学习顶会ICLR19，标题是《Anempiricalstudyofexampleforgettingduringdeepneuralnetworklearning》。这篇文章是我最近看到的最有意思的文章之一了，同时我跑了
分类：
其他好文 时间：
2020-12-24 12:14:51
阅读次数：
0
文|苏剑林单位｜追一科技编|兔子酱不管是打比赛、做实验还是搞工程，我们经常会遇到训练集与测试集分布不一致的情况。一般来说我们会从训练集中划分出来一个验证集，通过这个验证集来调整一些超参数[1]，比如控制模型的训练轮数以防止过拟合。然而，如果验证集本身跟测试集差别比较大，那么验证集上很好的模型也不代表在测试集上很好，因此如何让划分出来的验证集跟测试集的分布差异更小一些，是一个值得研究的题目。为什么分
分类：
其他好文 时间：
2020-12-24 12:13:25
阅读次数：
0
一文详解SVM的Soft-Margin机制Hard-MarginSVM，必须将所有的样本都分类正确才行。这往往需要更多更复杂的特征转换，甚至造成过拟合。本文将介绍一种Soft-MarginSVM，目的是让分类错误的点越少越好，而不是必须将所有点分类正确，也就是允许有noise存在。这种做法很大程度上不会使模型过于复杂，不会造成过拟合，而且分类效果是令人满意的。——前言1MotivationandP
分类：
其他好文 时间：
2020-12-22 11:43:20
阅读次数：
0
