摘要： 假设有20类，2000个建议框，最后输出向量维数2000*20，则每列对应一类，一行是各个建议框的得分，NMS算法步骤如下： ① 对2000×20维矩阵中每列按从大到小进行排序； ② 从每列最大的得分建议框开始，分别与该列后面的得分建议框进行IoU计算，若IoU>阈值，则剔除得分较小的建议框，否则认 阅读全文

摘要： 示例： 维度非常高（1000多维度），并且每个维度都很重要，数据量很少，是调查结果，只有近万份，数据是很稀疏的，基本上是连续值。 在这种情况下，如何选择模型？为什么？ 1. 尝试用线性分类器，比如SVM、LR等，看训练误差和测试误差的差异，这个时候可能出现多种情况： 1) 如果训练误差远小于测试误差 阅读全文

摘要： 参考：https://www.jianshu.com/p/4bad38fe07e6 阅读全文

摘要： 1. 机器学习中的常用分类器：回归、分类（确定是哪一类） 1）线性回归：根据给出的数据拟合出一条直线或曲线，反应数据的分布； 评判的准则或损失函数：统计所有预测值yi及对应实际值y之间的距离之和，使其最小化； 理解，参考： 线性回归：https://blog.csdn.net/wade1203/ar 阅读全文

摘要： 参考： 奇异值分解：https://www.cnblogs.com/endlesscoding/p/10033527.html 主成分分析：https://blog.csdn.net/program_developer/article/details/80632779 阅读全文

摘要： 1. 贝叶斯分类的基础——贝叶斯定理 这个定理解决了现实生活里经常遇到的问题：已知某条件概率，如何得到两个事件交换后的概率，也就是在已知P(A|B)的情况下如何求得P(B|A)。这里先解释什么是条件概率： P(A|B)表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率。其 阅读全文