上一页 1 ··· 20 21 22 23 24
摘要: 概述 朴素贝叶斯 (naive Bayes) 法是基于贝叶斯定理与特征条件独立假设的分类方法。 对于给定的训练数据集,首先基于特征条件独立假设学习输入/输出的联合概率分布;然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出Y。 朴素贝叶斯法的学习与分类 1、基本方法 学习:朴素贝叶 阅读全文
posted @ 2018-12-16 10:29 深夜十二点三十三 阅读(630) 评论(0) 推荐(0) 编辑
摘要: 最大似然估计(Maximum likelihood estimation, 简称MLE)和最大后验概率估计(Maximum a posteriori estimation, 简称MAP)是很常用的两种参数估计方法,如果不理解这两种方法的思路,很容易弄混它们。下文将详细说明MLE和MAP的思路与区别。 阅读全文
posted @ 2018-12-16 09:21 深夜十二点三十三 阅读(682) 评论(0) 推荐(0) 编辑
摘要: 概述 k近邻法(k-nearest neighbor, k-NN)是一种基本分类与回归方法(此处讨论的是分类问题的K近邻算法)。 k近邻法实际上利用训练数据集对特征向量空间进行划分,并作为其分类的“模型”,不具有显式的学习过程。 k近邻算法的特殊情况是k=1的时候,此时称为最近邻算法。 k值的选择、 阅读全文
posted @ 2018-12-15 21:44 深夜十二点三十三 阅读(892) 评论(0) 推荐(0) 编辑
摘要: 概述 感知机在1957年由Rosenblatt提出,是神经网络和支持向量机的基础,它是一个二类分类的线性分类模型,属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面,为此,导入基于误分类的损失函数,利用梯度下降法对损失函数进行极小化,求得感知机模型。 感知机模型 1、定义 假设输入空 阅读全文
posted @ 2018-12-15 11:08 深夜十二点三十三 阅读(374) 评论(0) 推荐(0) 编辑
摘要: 根据李航老师所著《统计学习方法》为线,结合其他书籍和网上资料,开始对机器学习进行系统整理。 2018.12.30:今日开始对写过的内容进行修改和细化补充,主要参考周志华教授的《机器学习》,辅以各大网友的不吝赐教。 统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测和分析的一门学科。 阅读全文
posted @ 2018-12-13 21:48 深夜十二点三十三 阅读(875) 评论(0) 推荐(0) 编辑
摘要: GPU占用率查看: 方法一:任务管理器 如图,GPU0和GPU1的占用率如下显示。 方法二:GPU-Z软件 下面两个GPU,上面是GPU0,下面是GPU1 sensors会话框里的GPU Load就是占用率 大家可以查看GPU0和GPU1的使用与否和使用率 方法三:终端查看 在运行中输入cmd,打开 阅读全文
posted @ 2018-11-30 15:18 深夜十二点三十三 阅读(8817) 评论(0) 推荐(0) 编辑
摘要: HYPERSPECTRAL IMAGE CLASSIFICATION USING TWOCHANNEL DEEP CONVOLUTIONAL NEURAL NETWORK阅读笔记 阅读全文
posted @ 2018-07-15 21:33 深夜十二点三十三 阅读(594) 评论(0) 推荐(0) 编辑
摘要: LRN简介 阅读全文
posted @ 2018-07-15 17:11 深夜十二点三十三 阅读(17654) 评论(0) 推荐(0) 编辑
摘要: A NEW HYPERSPECTRAL BAND SELECTION APPROACH BASED ON CONVOLUTIONAL NEURAL NETWORK文章笔记 阅读全文
posted @ 2018-07-15 13:41 深夜十二点三十三 阅读(605) 评论(0) 推荐(0) 编辑
上一页 1 ··· 20 21 22 23 24