随笔分类 - 基本概念
摘要：#### 1. 经验风险、期望风险、结构风险 参考： 【1】https://www.cnblogs.com/Joyce-song94/p/7443911.html 【2】https://alisure.github.io/2018/04/14/ML/%E6%9C%BA%E5%99%A8%E5%AD%
阅读全文
摘要：这个问题可能有不同的观点。 关于保持长宽比(或 letterbox ，有些人喜欢说) 为什么要保持长宽比？ 这更像是一个哲学问题。人们认为，保持高宽比有助于网络了解物体大小的自然变化(例如，一个人的界限框不可能超高和超窄，因为那将是一个街灯)。 为什么不保持长宽比呢？ 如果你调整大小而不保持纵横比和
阅读全文
摘要：1. 平均绝对误差：MAE（Mean Absolute Error） 2. 均方误差：MSE（Mean Squared Error） 3. 均方根误差：RMSE（Root Mean Squard Error） 4. 决定系数：R2（R-Square） 5. 校正决定系数（Adjusted R-Squ
阅读全文
摘要：当我们做一个分类问题时，比如手写数字识别，识别的是 0-9 几种数字。前提是给的就是 0-9 的测试样本，那我们如果给模型一个手写的 x ，显然它依旧会把 x 归为 0-9 的某个类别，可能还会输出一个较大的概率。 那我们训练机器学习时候怎么做的呢？首先，我们收集这 10 类的样本，使用有监督学习的
阅读全文
摘要：前文回顾： 机器学习模型评价指标之混淆矩阵 机器学习模型评价指标之Accuracy、Precision、Recall、F-Score、P-R Curve、AUC、AP 和 mAP 1. 基本指标 1.1 True Positive Rate(TPR) $TPR = \frac{TP}{TP+FN}$
阅读全文
摘要：前文：https://www.cnblogs.com/odesey/p/16902836.html 介绍了混淆矩阵。本文旨在说明其他机器学习模型的评价指标。 1. 准确率（Accuracy-Acc） $Acc = \frac{TP+TN}{TP+TN+FP+FN}$ 显然，Acc 表示模型预测正确（
阅读全文
摘要：对于每一个做模型的人而言，如何评价一个模型的有多“好”是一件非常重要的事情。 In the field of machine learning and specifically the problem of statistical classification, a confusion matrix
阅读全文
摘要：YOLOv5/v7 detect.py 传参 conf_thres Confidence Threshold，置信度阈值。 只显示预测概率超过conf_thres的预测结果。 想让YOLO只标记可能性高的地方，就把这个参数提高。 iou_thres Intersect over Union Thre
阅读全文
摘要：目标检测目前最困难的事情： 漏检：无法把前景检测出来，个人认为，最简单的加数据解决 误检：把背景检测为前景，也叫 开放域识别问题。非常困难的事情。有人基于度量学习解决。主要的问题是：收集的数据在一个封闭域，但是模型的部署需要到开放世界，就容易出现该问题。有人说，深度学习是学习的纹理，经过测试对于差不
阅读全文
.jpg){kind=small}
