摘要：
pandas: 基于Numpy构建的数据分析库 pandas数据结构：Series, DataFrame Series: 带有数据标签的类一维数组对象(也可看成字典) values, index 缺失数据检测：pd.isnull(), pd.notnull(), Series对象的实例方法 Seri 阅读全文
posted @ 2017-12-09 14:05
VincentCheng
阅读(290)
评论(0)
推荐(0)
摘要：
向量和矩阵 什么是矩阵/向量？ Vectors and matrix are just collections of ordered numbers that represent something: movements in space, scaling factors, pixel bright 阅读全文
posted @ 2017-12-08 07:51
VincentCheng
阅读(320)
评论(0)
推荐(0)
摘要：
Numpy:高性能计算和数学分析的基础包 ndarray, 一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对数组数据进行快速运算的标准数学函数 用于读写磁盘数据的工具和用于操作内存映射文件的工具 线性代数，随机数生成，傅里叶变换 用于集成C，C++,Fortran等语言编写的代码 阅读全文
posted @ 2017-12-05 16:26
VincentCheng
阅读(950)
评论(0)
推荐(0)
摘要：
1. 什么是IPython IPyhton 本身没有提供任何的计算或者数据分析功能，在交互式计算和软件开发者两个方面最大化地提高生产力，execute-explore instead of edit-compile-run. 2.TAB键的功能 Tab: 输出当前空间中任何与输入的字符串相匹配的变量 阅读全文
posted @ 2017-12-04 16:36
VincentCheng
阅读(265)
评论(0)
推荐(0)
摘要：
1. 条形图 barplot() 2. 饼图：饼图在商业世界中无所不在，然而多数统计学家，包括R相应文档的编写者，都对它持否定态度。相对于饼图，他们更推荐使用条形图或点图，因为相对于 面积，人们对长度的判断更为精确 pie() pie3D() 3. 直方图 ：可以展示连续变量的分布. hist(x, 阅读全文
posted @ 2017-12-02 20:57
VincentCheng
阅读(1179)
评论(0)
推荐(0)
摘要：
广义线性模型扩展了线性模型的框架，它包含了非正态的因变量分析 广义线性模型拟合形式： $$g(\mu_\lambda) = \beta_0 + \sum_{j=1}^m\beta_jX_j$$ $g(\mu_\lambda)为连接函数$. 假设响应变量服从指数分布族中某个分布(不仅仅是正态分布)，极 阅读全文
posted @ 2017-12-02 20:02
VincentCheng
阅读(5677)
评论(0)
推荐(0)
摘要：
原创系列 数字图像处理 [数字图像处理] 直方图均衡化 [数字图像处理] 图像阈值化 [数字图像处理] 图像平滑 [数字图像处理] 形态学转换 深度学习模型复现 【Computer Vision】 复现分割网络(1)——SegNet 工具 深度学习图像数据增强python库 读书笔记系列 R语言实战 阅读全文
posted @ 2017-12-02 16:53
VincentCheng
阅读(269)
评论(0)
推荐(0)
摘要：
介绍 匹配不同图片的特征是计算机视觉常见的问题. 当所有要匹配的图片很相似的时候(大小，方位)，简单的角点检测算子就可以匹配，但是，当你的图片大小，方位不同的时候，你就要用到尺度不变特征变换(scale invariant feature transform). 为什么是SIFT? SIFT算子不仅 阅读全文
posted @ 2017-12-02 16:29
VincentCheng
阅读(2565)
评论(0)
推荐(0)
摘要：
大纲 what is color? The result of interaction between physical light in the environment and our visual system. A psychological property of our visual ex 阅读全文
posted @ 2017-12-02 13:09
VincentCheng
阅读(470)
评论(0)
推荐(0)
摘要：
1. 什么是线性回归 线性回归：通过拟合因变量$y$和自变量$\vec{x}$的最佳线性关系来预测目标变量。最佳拟合通过尽量缩小预测的线性表达式和实际观察结果间的距离总和来实现。没有其他位置的拟合比该位置生成的错误更少，该拟合是最佳拟合。 2. 基本形式：给定d个属性的实例 $x = (x_1, x 阅读全文
posted @ 2017-12-01 16:24
VincentCheng
阅读(2097)
评论(0)
推荐(0)
浙公网安备 33010602011771号