2019年10月13日
【转】MATLAB导出精美的论文插图
摘要： 本文转载自：https://zhuanlan.zhihu.com/p/65116358 本文就介绍如何设置MATLAB导出图片的格式、大小、分辨率等等。 首先，个人经验，优秀的论文插图应该有以下特点。 图片大小合理，清晰/美观；（这是最重要的！） 坐标轴有标注和单位； X轴不要有留白，Y轴可以有留白 阅读全文
posted @ 2019-10-13 20:48 不学无墅_NKer 阅读(1080) 评论(0) 推荐(0) 编辑
图像的手绘效果
摘要： 思路：利用像素之间的梯度值和虚拟深度值对图像进行重构，根据灰度变化来模拟人类视觉的明暗程度。 Note：需要安装第三方库pillow 阅读全文
posted @ 2019-10-13 19:54 不学无墅_NKer 阅读(276) 评论(0) 推荐(0) 编辑
Numpy库的使用（二）
摘要： 单元2：Numpy数据存取与函数 主要内容： （1）数据的CSV文件存取 CSV：逗号分隔 写入： 读取： （2）多维数据的存取 （3）NumPy的随机数函数 （4）NumPy的统计函数 梯度应用：有助于发现图像、声音的边缘，通过梯度可以很容易发现变化不是很平缓的部分。 阅读全文
posted @ 2019-10-13 18:48 不学无墅_NKer 阅读(129) 评论(0) 推荐(0) 编辑
Numpy库的使用（一）
摘要： 单元1：NumPy库入门 主要内容： （1）NumPy的数组对象：ndarray （2）ndarray数组的创建与变换 （3）ndarray数组的运算 阅读全文
posted @ 2019-10-13 17:05 不学无墅_NKer 阅读(105) 评论(0) 推荐(0) 编辑
2019年10月11日
Windows下搭建Hugo博客
摘要： 博客：https://www.cnblogs.com/Codemandyk/p/10855891.html 用 Hugo 30 分钟搭建静态博客https://zhuanlan.zhihu.com/p/45457742 Hugo、Hexo博客搭建及Hugo的自定义配置https://blog.csd 阅读全文
posted @ 2019-10-11 21:29 不学无墅_NKer 阅读(335) 评论(0) 推荐(0) 编辑
2019年10月10日
【转载】压缩感知资源
摘要： Rice大学的的压缩感知资源： http://dsp.rice.edu/cs 理论方面的代表人物：David Donoho; Emmanuel Candes;Terence Tao Compressive Sensing资源主页： Compressive Sensing Listing：http:/ 阅读全文
posted @ 2019-10-10 16:51 不学无墅_NKer 阅读(738) 评论(0) 推荐(0) 编辑
分类应用入门—MNIST手写数字识别
摘要： 背景：MNIST 数据集来自美国国家标准与技术研究所，National Institute of Standardsand Technology (NIST). 数据集由来自250个不同人手写的数字构成，其中50%是高中学生，50%来自人口普查局(the Census Bureau)的工作人员其中， 阅读全文
posted @ 2019-10-10 13:25 不学无墅_NKer 阅读(2421) 评论(0) 推荐(0) 编辑
2019年10月9日
逻辑回归（二元+多元分类原理）
摘要： 二元分类 Sigmod函数 逻辑回归中的损失函数 多元分类 当我们处理多分类任务时，通常需要使用Softmax Regression模型。Softmax Regression会对每一类别估算出一个概率。工作原理：将判定为某一类的特征相加，然后将这些特征转化为判定是这一类的概率。 Softmax思想 阅读全文
posted @ 2019-10-09 17:30 不学无墅_NKer 阅读(7430) 评论(0) 推荐(0) 编辑
数据集划分
摘要： 构建和训练机器学习模型是希望对新的数据做出良好预测 如何去保证训练的实效，可以应对以前未见过的数据呢? 一种方法是将数据集分成两个子集： 训练集-用于训练模型的子集 测试集-用于测试模型的子集通常，在测试集上表现是否良好是衡量能否在新数据上表现良好的有用指标，前提是： 测试集足够大 不会反复使用相同 阅读全文
posted @ 2019-10-09 16:29 不学无墅_NKer 阅读(730) 评论(0) 推荐(0) 编辑
2019年10月8日
多元线性回归—波士顿房价预测（改进版本）
摘要： 版本二：可视化训练过程中的损失值 修改版本一中训练过程代码（只增加了第1行、第13行代码）： 可视化损失值 plt.plot(loss_list) Note：观察该图像，可以再增加几轮训练轮次，比如把50轮 ->100轮 -> 200轮 当迭代轮数增加到200轮时，运行结果为： 仍选取版本一测试时取 阅读全文
posted @ 2019-10-08 16:59 不学无墅_NKer 阅读(817) 评论(0) 推荐(0) 编辑