码迷,mamicode.com
首页 >  
搜索关键字:特征    ( 14777个结果
【51nod 1785】数据流中的算法
Description 51nod近日上线了用户满意度检测工具,使用高级人工智能算法,通过用户访问时间、鼠标轨迹等特征计算用户对于网站的满意程度。 现有的统计工具只能统计某一个窗口中,用户的满意程度的均值。夹克老爷想让你为统计工具添加一个新feature,即在统计均值的同时,计算窗口中满意程度的标准 ...
分类:编程语言   时间:2017-06-24 09:52:59    阅读次数:191
监督式学习 -- 分类决策树(一)
决策树(decision tree)是一种基本的分类与回归方法。其表示的树型结构,能够觉得是if-else规则的集合。基本的长处是分类可读性好,速度快。一般会有三个步骤:特征选择、决策树的生成和决策树的修剪。 决策树由结点(node)和有向边(directed edge)组成。结点有两类:内部结点( ...
分类:其他好文   时间:2017-06-23 22:10:14    阅读次数:286
局部加权回归、欠拟合、过拟合 - Andrew Ng机器学习公开课笔记1.3
本文主要解说局部加权(线性)回归。在解说局部加权线性回归之前,先解说两个概念:欠拟合、过拟合。由此引出局部加权线性回归算法。 欠拟合、过拟合 例如以下图中三个拟合模型。第一个是一个线性模型。对训练数据拟合不够好,损失函数取值较大。如图中第二个模型,假设我们在线性模型上加一个新特征项,拟合结果就会好一 ...
分类:其他好文   时间:2017-06-23 14:17:27    阅读次数:164
【scikit-learn】交叉验证及其用于參数选择、模型选择、特征选择的样例
?? 内容概要¶ 训练集/測试集切割用于模型验证的缺点K折交叉验证是怎样克服之前的不足交叉验证怎样用于选择调节參数、选择模型、选择特征改善交叉验证 1. 模型验证回想¶ 进行模型验证的一个重要目的是要选出一个最合适的模型,对于监督学习而言,我们希望模型对于未知数据的泛化能力强,所以就须要模型验证这一 ...
分类:其他好文   时间:2017-06-23 14:14:54    阅读次数:1121
3-SIFT算法特点
1- http://www.cnblogs.com/wangguchangqing/p/4853263.html ...
分类:编程语言   时间:2017-06-23 10:38:34    阅读次数:118
4-SIFT特征提取和检测的基本步骤
1- 有4个主要步骤 http://www.cnblogs.com/wangguchangqing/p/4853263.html ...
分类:其他好文   时间:2017-06-23 10:38:01    阅读次数:163
英国体系环境下项目有什么特征(一)
很多人在提到项目特征的时候,肯定能说出来很多内容,但是具体到在英国体系下,项目的特点有哪些,这些特点引申的内容又有什么深度的含义,这值得我们思考。以下将分为五篇文章来为大家阐述其特征。 项目具有临时性:很多人都知道项目组织是临时的,一旦结束,团队成员就随之回归到原来的部门。那么临时性又代表着什么呢。 ...
分类:其他好文   时间:2017-06-23 10:25:28    阅读次数:111
《机器学习实战》笔记——朴素贝叶斯
运用贝叶斯公式(朴素贝叶斯假设每个特征每个特征都是独立的)可以解决的问题有,已知某些特征,用来判断某情况发生的可能性大小,设置可能性最大的情况作为预测值。 是一种监督算法。 广泛应用于垃圾邮件检测等等。 ...
分类:其他好文   时间:2017-06-22 23:56:13    阅读次数:387
关于MATLAB处理大数据坐标文件2017622
今天新提交了一次数据,总量达到10337个,本以为成绩会突飞猛进,没想到还是不如从前 但是已经找到人工鼠标轨迹的程序,有待完善,接下来兵分四路:找特征、决策树、完善人工轨迹程序,使其可以将生成的数据自动储存、还一个是Python面向对象。 为什么要学习Python面向对象,因为我发现现在接触的程序越 ...
分类:其他好文   时间:2017-06-22 23:53:31    阅读次数:213
伪类与伪元素的区别
伪类和伪元素皆独立于文档结构。它们获取元素的途径也不是基于id、class、属性这些基础的元素特征,而是在处于特殊状态的元素(伪类),或者是元素中特别的内容(伪元素)。区别总结如下: css伪元素 (Pseudo-elements):用于向某些选择器设置特殊效果,是对元素中的特定内容进行设置和操作, ...
分类:其他好文   时间:2017-06-22 19:11:25    阅读次数:233
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!