摘要:
一些概念 precision--检测准确率 = tp/(tp + fp) recall--漏检率(召回率)= tp/(tp + fn) IOU( intersection-over-union)--表示网络预测框与标注框的重合程度 若黄框为网络的预测结果,绿框为标注结果,IOU=(黄∩绿)/(黄∪绿 阅读全文
摘要:
参考博文:https://blog.csdn.net/hjimce/article/details/50187029 R-CNN(Regions with CNN features)--2014年提出 算法流程 1.输入一张图片,通过selective search算法找出2000个可能包括检测目标 阅读全文
摘要:
解决复杂非线性问题 BP神经网络 模型表示 theta->weights sigmoid->activation function input_layer->hidden_layer->output_layer 对每一个隐藏层的操作等同于Logistic Regression。因此,通过BP神经网络 阅读全文
摘要:
分类任务 原始方法:通过将线性回归的输出映射到0~1,设定阈值来实现分类任务 改进方法:原始方法的效果在实际应用中表现不好,因为分类任务通常不是线性函数,因此提出了逻辑回归 逻辑回归 假设表示--引入sigmoid函数g sigmoid函数将输出映射到区间(0,1),可以看作是概率 损失函数 多分类 阅读全文
摘要:
回归任务 多变量线性回归 公式 h为假设,theta为模型参数(代表了特征的权重),x为特征的值 参数更新 梯度下降算法 影响梯度下降算法的因素 (1)加速梯度下降:通过让每一个输入值大致在相同的范围可以加速梯度下降,因为theta在x的范围比较小的时候收敛更快, x的范围不平整时收敛慢且会发生震荡 阅读全文
摘要:
任务 放电时长预测,属于回归问题 数据集 从已经标注的样本库中取出10000条放电完全的曲线,70%为训练集,30%为测试集 特征及标签 对每一个样本,随机选取大于46.5V的点作为曲线最后一个点,该点到46.5V的时长即为预测时长 算法 Linear Regression,BP,GB,GBDT,X 阅读全文
摘要:
名词解释 基站退服--由于停电,设备故障等原因导致基站退出服务状态,退服电压为46.5V 电池状态--正常放电、一次下电(二次下电)、油机发电、充电 电池隐患--组间不均衡(轻微、中等、严重)、单组电池 RF--Random Forest 随机森林 GB--Gradient Boosting 梯度提 阅读全文
摘要:
1.Python环境 Python解释器--Python.exe Python包集合--Lib,包括自带包和第三方包 2.Anaconda--一个科学计算环境,Python的发行版本 包括了Conda--包和虚拟环境管理工具 3.Conda的使用(环境管理) # 创建一个名为learn的环境,指定P 阅读全文
摘要:
机器学习的定义 A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at t 阅读全文