随笔分类 - 机器学习
摘要：（草稿） Random Forest的随机性表现在哪里。 第一，是选择训练样本的随机性，又放回的 第二，是选择树节点特征的随机性。在n个特征中选择nsub个子特征的最优，但是会增加树对样本的你和程度，但是会提高泛化能力，可采用交叉验证的方法确定合适的nsub。 https://www.cnblogs
阅读全文
摘要：（草稿） 过程： 1. 初始化所有节点的 labels 成唯一的值； 2. 对每个节点，将 label 更新为和其相连的所有节点中，标签最多的 节点的label； 2. 初始化情况下，假如所有相连的节点的label没有重复，则随机选取一个。 3. 直到不再更新，停止。
阅读全文
摘要：（草稿） 两点关系的三种定义： 1. 直接密度可达：A在B的邻域内； 2. 密度可达：AB之间存在，直接密度可达的点串； 3. 密度连接：AB之间存在点k，使得Ak和Bk都密度可达； 过程： 1. 对每个点 2. 分别求满足 连接性和最大性的 簇 。 3. 所有点都归类，结束。 参考： https:
阅读全文
摘要：（草稿） k-means: 1. 随机选取n个中心 2. 计算每个点到各个中心的距离 3. 距离小于阈值的归成一类。 4. 计算新类的质心，作为下一次循环的n个中心 5. 直到新类的质心和对应本次循环的n个中心的偏移不大，停止。 k-means++: 1. 随机选取n个中心（越远的被选取的概率越大，
阅读全文
摘要：（草稿） meanshift 也是一种聚类方法。 优点在于：不需要提前指定类型数。 缺点就是计算量大 过程：（最一般的做法，没有使用核函数） 1. 逐点迭代，设置为位置中心 2. 计算所有点到位置中心的距离 3. 计算位置的质心（平均） 4. 位置中心的质心的距离够小就停止，该位置中心点就属于（质心
阅读全文
摘要：转自： https://github.com/zhaozhiyong19890102/Python-Machine-Learning-Algorithm
阅读全文
摘要：Logistics Regression 二分类问题。 模型 线性模型 响应 sigmoid 损失函数（显示） 最小均方 优化方法 BGD 例子： #coding utf-8 import numpy as np def load_data(file_name): feature_data = []
阅读全文
摘要：源码链接：https://github.com/davidsandberg/facenet 论文链接：https://arxiv.org/pdf/1503.03832.pdf B站大神视频解读论文：https://www.bilibili.com/video/av17281188 FaceNet是一
阅读全文
摘要：范式可以理解成距离 转载自： https://blog.csdn.net/hanhuili/article/details/52079590 内容如下： 由此可见，L2其实就是欧式距离。工程上，往往不做开平方处理。
阅读全文
摘要：1. tf.variable_scope生成一个上下文管理器，用于获取已经生成的变量 2.计算图。在程序的开始，最好显式声明一个计算图，多个不同的图可以在不同的线程中计算，显卡的优势就显示出来了。 3. 4. 5. 6.
阅读全文
摘要：（本系列随笔持续更新） 这部分代码是基于参考中的链接，修改后适用于TensorFlow1.6.0版本的代码。由于TensorFlow的频繁更新，所以不一定支持后续新或者就版本，特此说明。 程序的最初版，来自“山人7” [参考1，参考2]，但是在新的TensorFlow下面不能直接运行。 修改后版本，
阅读全文
摘要：（本系列随笔持续更新） 搭建要求 详细的搭建过程在 参考资料1 中已经有啦。 TensorFlow 1.6.0 OpenCV 2.4.8 仅仅是加载和读取图片的需要 Ubuntu 14.04 64bits 代码：加载图片，找出人脸。运行依赖detect_face.py 显示效果： 参考资料： 1 h
阅读全文
摘要：两层卷积层 训练速度慢了，但是精度提高了
阅读全文
摘要：import tensorflow as tf from sklearn.datasets import load_digits from sklearn.cross_validation import train_test_split from sklearn.preprocessing import LabelBinarizer #load data digits = load_digit...
阅读全文
摘要：解释 compute_accuracy 的计算原理： 来自：https://blog.csdn.net/cy_tec/article/details/52046806
阅读全文
摘要：import tensorflow as tf import numpy as np import matplotlib.pyplot as plt # # add layer # def add_layer(inputs, in_size, out_size,n_layer, activation_function = None): layer_name = '...
阅读全文
摘要：注意：有些浏览器可能支持的不好，推荐使用最新的Chrome 命令行输入： tensorboard --logdir=logs/
阅读全文
摘要：import tensorflow as tf import numpy as np import matplotlib.pyplot as plt def add_layer(inputs, in_size, out_size, activation_function = None): Weights = tf.Variable(tf.random_normal([i...
阅读全文
摘要：import tensorflow as tf import numpy as np def add_layer(inputs, in_size, out_size, activation_function = None): Weights = tf.Variable(tf.random_normal([in_size, out_size])) # hang lie ...
阅读全文
摘要：import tensorflow as tf input1 = tf.placeholder(tf.float32) input2 = tf.placeholder(tf.float32) output = tf.multiply(input1, input2) with tf.Session() as sess: print(ses...
阅读全文
