10 2017 档案
摘要：1. cmake介绍 1.1 cmake用途 CMake的用途是能通过一系列的源码和相关的配置来生成需要的编译器平台上的项目文件。譬如，如果一个项目需要在Windows上用VS编译，在Linux上用make编译，在OS X上用XCODE，那么按以前的做法是在整个项目文件里看三个目录，分别放置VS的s
阅读全文
摘要：1.Release和Debug的区别 Release版称为发行版，Debug版称为调试版。 Debug中可以单步执行、跟踪等功能，但生成的可执行文件比较大，代码运行速度较慢。Release版运行速度较快，可执行文件较小，但在其编译条件下无法执行调试功能。 Release的exe文件链接的是标准的MF
阅读全文
摘要：1.更新 2.安装关联库 2.1 搭建C/C++编译环境 2.2 相关库（支持读写视频\python相关） 2.3 安装cmake 2.4 安装pkg-config(提供从源代码中编译软件时查询已安装的库时使用的统一接口的计算机软件) 3.下载opencv 链接： 我下载的是opencv2.4.13
阅读全文
摘要：在看《学习opencv》一书时遇到一个小问题：函数只是通过argv传递参数来读取图片并显示，但是却一直弹出画布，没有图像。 如下：test.c # include<stdio.h>#include <opencv/cv.h>#include <opencv/cxcore.h>#include <op
阅读全文
摘要：经典的无监督聚类算法，不多说，上代码。 结果： 原图 k=5 结果图
阅读全文
摘要：1. 参数调整 每个机器学习算法包含一系列参数，勇于调整算法来控制模型。一般来说随着算法复杂度的增加，调整参数会越多，更难于理解。下面几个例子为流行的分类算法调参方法： 1）逻辑回归：无 2）knn：要平均的近邻数目 3）决策树：划分标准、树的最大深度、划分需要的最少样本数。 4）核函数SVM：核函
阅读全文
摘要：1.过拟合与乐观模型 有监督学习的基本目标是准确预测，当对模型进行性能评估时，需要确定模型对新数据的性能如何。即需要一个指标来确定预测的泛化能力如何。对于回归问题来说，标准评价指标是均方误差（Mean Squared Error）。它是目标变量真实值和预测值之差的平方和的均值。参看下图（学习自 Re
阅读全文
摘要：1.关于年龄Age 除了利用平均数来填充，还可以利用正态分布得到一些随机数来填充，首先得到已知年龄的平均数mean和方差std,然后生成[ mean-std, mean+std ]之间的随机数，然后利用这些随机值填充缺失的年龄。 2.关于票价Fare 预处理：训练集不缺，测试集缺失1个，用最高频率值
阅读全文
摘要：对于给定的一张图像，可能边缘或者无效信息较多，所以需要将图像主要内容分离出来，这里对于特定的图片给出一个小例子。 对于此图（左）来说，两边的无效信息较多，字母主要集中在中间部分。对于少量图而言可以手动去掉两边的空白成为右图。可是对于成千上万张图片需要一种特定的方法。观察到数字主要集中在中间并且为大量
阅读全文
