azheng333

摘要： 接上篇：卷积神经网络对图片分类-上 5 池层（Pooling Layers） 池层通常用在卷积层之后，池层的作用就是简化卷积层里输出的信息, 减少数据维度，降低计算开销，控制过拟合。 如之前所说，一张28X28的输入图片，经过5X5的过滤器后会得到一个24X24的特征图像，继续简化这个24X24特征 阅读全文

摘要： 我们来看看在图像处理领域如何使用卷积神经网络来对图片进行分类。 1 让计算机做图片分类： 图片分类就是输入一张图片，输出该图片对应的类别（狗，猫，船，鸟），或者说输出该图片属于哪种分类的可能性最大。 人类看到一张图片马上就能分辨出里面的内容，但是计算机分辨一张图片就完全不一样了。同一张图片, 人类看 阅读全文

摘要： 在k-means算法里开始选取的聚类中点是随机的，每次都会照成不同的聚类结果。有一个解决方案叫做k-means++，可以有效的选择初始聚类中心点。参考 http://theory.stanford.edu/~sergei/papers/kMeansPP-soda.pdf。 在《白话大数据与机器学习》 阅读全文

摘要： 高斯贝叶斯用来处理连续数据，假设数据里每个特征项相关联的数据是连续值并且服从高斯分布，参考这里。 概率公式：在《白话大数据与机器学习》里使用了sklearn里的GaussionNB来处理连续数据：训练模型 clf = GaussianNB().fit(x, y)预测数据 clf.predict(x) 阅读全文