上一页 1 ··· 20 21 22 23 24 25 26 27 28 ··· 48 下一页
摘要: 1.cv2.add(dog_img, cat_img) # 进行图片的加和 参数说明: cv2.add将两个图片进行加和,大于255的使用255计数 2.cv2.resize(img, (500, 414)) # 根绝给定的维度进行变化 cv2.resize(img, (0, 0), fx=3, f 阅读全文
posted @ 2019-02-17 12:23 python我的最爱 阅读(6018) 评论(0) 推荐(0) 编辑
摘要: 1.cv2.copyMakeBoder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REPLICATE) 参数说明: img表示需要补零的图片, top_size, bottom_size, left_size, rig 阅读全文
posted @ 2019-02-17 11:40 python我的最爱 阅读(2876) 评论(0) 推荐(1) 编辑
摘要: 1. 截取图片的部分区域img[0:200, 0:200], 读入的图片是ndarray格式 2. b, g, r = cv2.split(img) # 对图片的颜色通道进行拆分 3.img = cv2.merge((b, g, r)) #对图片的颜色通道进行合并 4. 对其他通道置零,只显示单个通 阅读全文
posted @ 2019-02-17 11:00 python我的最爱 阅读(5214) 评论(0) 推荐(1) 编辑
摘要: 1.vc = cv2.VideoCapture('test.mp4') #进行视频的载入 2.vc.isOpened() # 判断载入的视频是否可以打开 3.ret, frame = vc.read() #进行单张图片的读取,ret的值为True或者Flase, frame表示读入的图片 4.cv2 阅读全文
posted @ 2019-02-17 10:16 python我的最爱 阅读(1778) 评论(0) 推荐(1) 编辑
摘要: 1. cv2.imread('cat.jpg', cv2.IMGREAD_GRAYSCALE) # 使用imread读入图像(BGR顺序), 使用IMGREAD_GRAYSCALE 使得读入的图片为灰度图, 2. cv2.imshow('cat', img) # imshow表示展示图片,第一个参数 阅读全文
posted @ 2019-02-17 09:38 python我的最爱 阅读(3500) 评论(0) 推荐(0) 编辑
摘要: 支持向量机需要解决的问题:找出一条最好的决策边界将两种类型的点进行分开 这个时候我们需要考虑一个问题,在找到一条直线将两种点分开时,是否具有其他的约束条件,这里我们在满足找到一条决策边界时,同时使得距离边界最近的点到边界的距离最远,对于下图而言,我们可以看出右边的图比左边的图的分类效果要好,因为点到 阅读全文
posted @ 2019-02-16 13:15 python我的最爱 阅读(415) 评论(0) 推荐(1) 编辑
摘要: 函数说明: 1. from gensim.model import word2vec 构建模型 word2vec(corpus_token, size=feature_size, min_count=min_count, window=window, sample=sample) 参数说明:corp 阅读全文
posted @ 2019-01-27 12:26 python我的最爱 阅读(5706) 评论(0) 推荐(0) 编辑
摘要: 函数说明 1.LDA(n_topics, max_iters, random_state) 用于构建LDA主题模型,将文本分成不同的主题 参数说明:n_topics 表示分为多少个主题, max_iters表示最大的迭代次数, random_state 表示随机种子 2. LDA.component 阅读全文
posted @ 2019-01-27 00:28 python我的最爱 阅读(4445) 评论(0) 推荐(0) 编辑
摘要: 通过对特征做一个kmeans聚类,将聚类的结果做为文本的标签值,可以使得样本的特征更多 我们从sklearn.cluster中导入Kmeans建立模型进行聚类 代码: 第一步:使用Dataframe格式化数据和使用数据格式化数据 第二步:对字符串进行分词和去除停用词,并使用' '.join完成连接 阅读全文
posted @ 2019-01-26 23:43 python我的最爱 阅读(1500) 评论(0) 推荐(0) 编辑
摘要: 函数说明: 1. cosing_similarity(array) 输入的样本为array格式,为经过词袋模型编码以后的向量化特征,用于计算两两样本之间的相关性 当我们使用词频或者TFidf构造出词袋模型,并对每一个文章内容做词统计以后, 我们如果要判断两个文章内容的相关性,这时候我们需要对数字映射 阅读全文
posted @ 2019-01-26 21:40 python我的最爱 阅读(8164) 评论(0) 推荐(0) 编辑
上一页 1 ··· 20 21 22 23 24 25 26 27 28 ··· 48 下一页