落痕的寒假

2020年9月1日

摘要：圆环图本质上是一个中间切出一块区域的饼状图。可以使用python和matplotlib库来实现。本文主要介绍基于matplotlib实现圆环图。本文所有代码见：Python-Study-Notes # 去掉警告 import warnings warnings.filterwarnings("ign 阅读全文

posted @ 2020-09-01 19:05 落痕的寒假阅读(427) 评论(0) 推荐(0) 编辑

[python] 基于matplotlib实现雷达图的绘制

摘要：雷达图（也称为蜘蛛图或星形图）是一种可视化视图，用于使用一致的比例尺显示三个或更多维度上的多元数据。并非每个人都是雷达图的忠实拥护者，但我认为雷达图能够以视觉上吸引人的方式比较不同类别各个特征的值。本文主要讲述通过matplotlib绘制雷达图。本文所有代码见：Python-Study-Notes 阅读全文

posted @ 2020-09-01 19:03 落痕的寒假阅读(1639) 评论(0) 推荐(0) 编辑

2020年8月24日

[OpenCV实战]44 使用OpenCV进行图像超分放大

摘要：图像超分辨率（Image Super Resolution）是指从低分辨率图像或图像序列得到高分辨率图像。图像超分辨率是计算机视觉领域中一个非常重要的研究问题，广泛应用于医学图像分析、生物识别、视频监控和安全等领域。随着深度学习技术的发展，基于深度学习的图像超分方法在多个测试任务上，相比传统图像超分阅读全文

posted @ 2020-08-24 20:19 落痕的寒假阅读(1071) 评论(0) 推荐(2) 编辑

2020年8月14日

[OpenCV实战]43 使用OpenCV进行背景分割

摘要：运动背景分割法Background Segment主要是指通过不同方法拟合模型建立背景图像，将当前帧与背景图像进行相减比较获得运动区域。下图所示为检测图像：通过前面的检测帧建立背景模型，获得背景图像。然后检测图像与背景图像相减即为运动图像，黑色区域为背景，白色区域为运动目标，如下图所示：在Ope 阅读全文

posted @ 2020-08-14 13:16 落痕的寒假阅读(447) 评论(0) 推荐(0) 编辑

2020年8月11日

[常用工具] OpenCV_contrib库在windows下编译使用指南

摘要：本文主要讲述opencv及opencv_contrib库在windows下基于vs2017编译安装指南。所用OpenCV版本为OpenCV4.4，编译平台为vs2017。文章目录 1 下载2 编译与安装2.1 配置OpenCV标准库2.2 配置OpenCV_contrib库2.3 OpenCV需求阅读全文

posted @ 2020-08-11 20:53 落痕的寒假阅读(408) 评论(0) 推荐(0) 编辑

2020年8月2日

[编程基础] Python对象的浅拷贝与深拷贝笔记

摘要： Python中的赋值语句不创建对象的副本，它们只将名称绑定到对象。对于不可变的对象，这通常没有什么区别。但是对于处理可变对象或可变对象的集合，您可能需要寻找一种方法来创建这些对象的“真实副本”或“克隆”。从本质上讲，您有时会希望拷贝可以在不自动修改原始副本的情况下进行修改。在本文中，我将向您简要介绍阅读全文

posted @ 2020-08-02 11:06 落痕的寒假阅读(28) 评论(0) 推荐(0) 编辑

2020年8月1日

[编程基础] Python中的绝对导入与相对导入

摘要：如果您从事的Python项目有多个文件，那么您以前可能不得不使用import语句。即使对于拥有多个项目的Python重度使用者（比如我），import也可能会造成混淆！您可能正在阅读本文，因为您想对Python中的import（尤其是绝对导入和相对导入）有更深入的了解。在本教程中，您将学习两者之间阅读全文

posted @ 2020-08-01 22:08 落痕的寒假阅读(86) 评论(0) 推荐(0) 编辑

2020年7月25日

[机器学习] Yellowbrick使用笔记8-模型选择可视化

摘要： Yellowbrick可视化工具旨在指导模型选择过程。一般来说，模型选择是一个搜索问题，定义如下：给定N个由数值属性描述的实例和（可选）一个估计目标，找到一个由特征、算法和最适合数据的超参数组成的三元组描述的模型。在大多数情况下，“最佳”三元组是指收到模型类型的最佳交叉验证分数的三元组。代码下载阅读全文

posted @ 2020-07-25 11:36 落痕的寒假阅读(96) 评论(0) 推荐(0) 编辑

[机器学习] Yellowbrick使用笔记7-聚类可视化

摘要：聚类模型是试图检测未标记数据中模式的无监督方法。聚类算法主要有两类：聚集聚类将相似的数据点连接在一起，而质心聚类则试图在数据中找到中心或分区。Yellowbrick提供yellowbrick.cluster用于可视化和评估群集行为的模块。目前，我们提供了几种可视化工具来评估质心机制，特别是K均值聚类阅读全文

posted @ 2020-07-25 11:16 落痕的寒假阅读(125) 评论(0) 推荐(0) 编辑

[机器学习] Yellowbrick使用笔记5-回归可视化

摘要：回归模型试图预测连续空间中的目标。回归计分可视化工具显示模型空间中的实例，以便更好地理解模型是如何进行预测的。代码下载 Yellowbrick已经实施了三种回归评估：残差图Residuals Plot：绘制期望值与实际值之间的差预测误差图Prediction Error Plot：在模型空间中绘制阅读全文

posted @ 2020-07-25 10:49 落痕的寒假阅读(68) 评论(0) 推荐(0) 编辑

[机器学习] Yellowbrick使用笔记4-目标可视化

摘要：目标可视化工具专门用于直观地描述用于监督建模的因变量，通常称为y目标。代码下载当前实现了以下可视化：平衡箱可视化Balanced Binning：生成带有垂直线的直方图，垂直线显示推荐值点，以将数据装箱到均匀分布的箱中。类平衡Class Balance：可视化来检查目标，以显示每个类对最终估计阅读全文

posted @ 2020-07-25 10:31 落痕的寒假阅读(60) 评论(0) 推荐(0) 编辑

[机器学习] Yellowbrick使用笔记2-模型选择

摘要：在本教程中，我们将查看各种Scikit Learn模型的分数，并使用Yellowbrick的可视化诊断工具对它们进行比较，以便为我们的数据选择最佳的模型。代码下载文章目录 1 使用说明1.1 模型选择三原则1.2 关于数据1.3 特征提取1.4 建模与评估1.4.1 评估分类器的通用指标1.4. 阅读全文

posted @ 2020-07-25 09:41 落痕的寒假阅读(54) 评论(0) 推荐(0) 编辑

[机器学习] Yellowbrick使用笔记1-快速入门

摘要： Yellowbrick是一个机器学习可视化库,主要依赖于sklearn机器学习库，能够提供多种机器学习算法的可视化，主要包括特征可视化，分类可视化，回归可视化，回归可视化，聚类可视化，模型选择可视化，目标可视化，文字可视化。本节主要介绍Yellowbrick如何快速使用。代码下载文章目录 1 使阅读全文

posted @ 2020-07-25 09:06 落痕的寒假阅读(88) 评论(0) 推荐(0) 编辑

2020年7月9日

[机器学习] 特征选择笔记4-使用SelectFromModel特征选择

摘要：特征选择代码下载本文主要介绍sklearn中进行特征选择的方法。 sklearn.feature_selection模块中的类可用于样本集的特征选择/降维，以提高估计量的准确性得分或提高其在超高维数据集上的性能。文章目录 1 SelectFromModel基础使用2 SelectFromMod 阅读全文

posted @ 2020-07-09 22:17 落痕的寒假阅读(253) 评论(0) 推荐(0) 编辑

[机器学习] 特征选择笔记2-单变量特征选择

摘要：特征选择代码下载本文主要介绍sklearn中进行特征选择的方法。 sklearn.feature_selection模块中的类可用于样本集的特征选择/降维，以提高估计量的准确性得分或提高其在超高维数据集上的性能。文章目录 1 基本方法1.1 SelectKBest1.2 SelectPerce 阅读全文

posted @ 2020-07-09 22:07 落痕的寒假阅读(124) 评论(0) 推荐(0) 编辑

今天也要加油鸭

公告