会员
周边
众包
新闻
博问
闪存
赞助商
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
xgboost
Powered by
博客园
博客园
|
首页
|
新随笔
|
联系
|
订阅
|
管理
2017年2月25日
sklearn.datasets.fetch_lfw_people详解
摘要: sklearn.datasets.fetch_lfw_people详解
阅读全文
posted @ 2017-02-25 21:33 acrush_fighter
阅读(1439)
评论(0)
推荐(0)
编辑
classification_report打印出来的三种评判标准
摘要: classification_report打印出来的三种评判标准:准确率,召回率,f1分数 对于数据测试结果有下面4种情况: TP: 预测为正, 实现为正 FP: 预测为正, 实现为负 FN: 预测为负,实现为正 TN: 预测为负, 实现为负 准确率: TP/ (TP+FP) 召回率: TP/ (T
阅读全文
posted @ 2017-02-25 21:08 acrush_fighter
阅读(931)
评论(0)
推荐(0)
编辑
SVM参数详解
摘要: SVM参数详解 SVM模型有两个非常重要的参数C与gamma。 其中 C是惩罚系数,即对误差的宽容度。c越高,说明越不能容忍出现误差,容易过拟合。C越小,容易欠拟合。C过大或过小,泛化能力变差。 gamma是选择RBF函数作为kernel后,该函数自带的一个参数。隐含地决定了数据映射到新的特征空间后
阅读全文
posted @ 2017-02-25 20:06 acrush_fighter
阅读(1158)
评论(0)
推荐(0)
编辑
人脸识别之Eigenfaces
摘要: Eigenfaces是计算机视觉中处理人脸识别时使用的特征向量,Eigenfaces翻译为“特征脸”,意思是指“脸特征空间”。 具体的信息可参见该博客:人脸识别之特征脸方法(Eigenface) 特征脸EigenFace的思想是把人脸从像素空间变换到另一个空间,在另一个空间中做相似性的计算。Eige
阅读全文
posted @ 2017-02-25 19:53 acrush_fighter
阅读(468)
评论(0)
推荐(0)
编辑
PCA(sklearn参数详解)
摘要: 转载出处 本篇不介绍PCA ,关于PCA收藏过另外几篇写的很好的博文 本篇仅针对sklearn中的PCA作记录 一、代码怎么写 二、关于参数 n_components: 意义:PCA算法中所要保留的主成分个数n,也即保留下来的特征个数n类型:int 或者 string,缺省时默认为None,所有成分
阅读全文
posted @ 2017-02-25 19:32 acrush_fighter
阅读(5576)
评论(0)
推荐(1)
编辑
PCA数据降维详解
摘要: 转:PCA数据降维详解
阅读全文
posted @ 2017-02-25 19:29 acrush_fighter
阅读(237)
评论(0)
推荐(0)
编辑
python由于版本问题而出现的几个常见warning及解决办法
摘要: Warning 1: 源代码: 警告信息: 改正后代码:
阅读全文
posted @ 2017-02-25 17:45 acrush_fighter
阅读(4658)
评论(0)
推荐(0)
编辑
Python scikit-learn 学习笔记—PCA+SVM人脸识别
摘要: 转载出处 人脸识别是一项实用的技术。但是这种技术总是感觉非常神秘,在sklearn中看到了人脸识别的example,代码网址如下: http://scikit-learn.org/0.13/auto_examples/applications/face_recognition.html#exampl
阅读全文
posted @ 2017-02-25 17:00 acrush_fighter
阅读(1002)
评论(0)
推荐(0)
编辑
Numpy、Scipy、matplotlib、scikit-learn等常用学习链接
摘要: Numpy学习链接 Scipy学习链接 matplotlib学习链接 scikit-learn学习链接 CS231n课程笔记翻译 开发者头条--深度学习文章分享 斯坦福大学公开课 :机器学习课程
阅读全文
posted @ 2017-02-25 11:21 acrush_fighter
阅读(107)
评论(0)
推荐(0)
编辑
SVM实例
摘要: scikit—learn实例之理解SVM正则化系数C
阅读全文
posted @ 2017-02-25 10:55 acrush_fighter
阅读(91)
评论(0)
推荐(0)
编辑