机器学习

机器学习

文章 256 浏览 220

如何把人物,汽车,自己想要的事物,进行跟踪?

1.场景描述:有个摄像头,进行现场的人物扫描,扫描实时人物跟踪(框住),或者有个视频,视频里的各种人物,进行实时跟踪(框住),如下图: 右边的蓝色车辆进行…

小猫一只 2022-09-11 20:45:52 52 0

准确率无变化 loss 几乎无变化

本人最近在使用CNN做一个分类问题,使用的数据是1D的数据,用了两层卷积,但是发现准确率只是刚才是变一点,后面就都是一样的,loss也只是有轻微的变…

会傲 2022-09-11 20:34:12 19 0

机器学习中的正规方程

在线性回归算法中使用梯度下降会出现局部最优问题,那么在线性回归中使用正规方程会出现局部最优问题吗?您是怎么看待正规方程与局部最优的?…

扛刀软妹 2022-09-11 20:20:18 19 0

对反向传播的具体实现存疑, 画了一张图希望dalao们帮忙看看理解得对不对?

不借助库一步步码代码, 但对反向传播的具体代码实现仍不是很理解 画了一下自己目前的理解, 有误望纠正(感觉大概率不对, 不然输出怎么会都是零, (ㄒo…

池予 2022-09-11 20:20:00 15 0

sklearn里聚类的方法,dbscan和kmeans只适用于二维空间是吗?

问题描述 最近在做聚类方面的工作,手上是一个10维数组。需要尝试去聚类,然后组里的人用的是skleanr库里的dbscan和kmeans。他们的做法是直接把这个…

鸩远一方 2022-09-11 19:56:49 17 0

线性回归中梯度下降算法关于最优解的问题

先是代价函数的两张图,这两张图有两个不同的路径到达最低点,也就是两个局部最优解。 但是为什么又说线性回归中的代价函数是一个凸函数,只有一个全…

硬不硬你别怂 2022-09-11 19:48:02 23 0

为什么model训练了,可是无法预测?

import pandas as pd from sklearn.datasets import load_boston from sklearn.preprocessing import StandardScaler from sklearn.model_selection …

放飞的风筝 2022-09-11 19:01:02 26 0

深度学习 二分类问题 输出层 可以用2个单元吗

标准做法是只用1个神经元,激活函数为sigmoid。 类比手写数字识别的10分类问题,输出层10个神经元。那么是否可以改为2个神经元,激活函数为softmax呢…

小忆控 2022-09-11 19:00:26 34 0

为啥这里变成boo 型

>>> student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) >>> a=np.array([('abc',21,50),('xyz',18,75)],dtype=student) >>> pri…

讽刺将军 2022-09-11 18:16:45 19 0

LDA主题模型适用于处理大量数据的应用吗,处理100多万条短数据,想知道会不会特别耗时

LDA主题模型适用于处理大量数据的应用吗,处理100多万条短数据(每条大概30 40个字),想知道会不会特别耗时…

执妄 2022-09-11 18:11:26 42 0

关于神经网络学习的学习求教

各位好,小弟pythonweb全栈开发6年,最近想转型学习神经网络,但不太清楚如何入门,小弟数学也不好~从哪块儿入门,想求教下大神,求得一个学习规划。…

私藏温柔 2022-09-11 18:09:45 18 0

数据挖掘100多万条记录的数据集中高效查找每一条记录所属用户的近一周、近一月的记录数或其他信息? 我用的类似于两层循环太耗时

数据挖掘特征提取 100多万条记录的数据集中高效查找每一条记录所属用户的近一周、近一月的记录数或其他信息(作为特征)? 我用的类似于两层循环太耗…

浅忆流年 2022-09-11 18:03:06 31 0

fakeapp EXTRACT,视频拆分按fps 问题

问题描述 问题出现的平台版本及自己尝试过哪些方法 相关代码 // 请把代码文本粘贴到下方(请勿用图片代替代码) 你期待的结果是什么?实际看到的错误…

淡淡離愁欲言轉身 2022-09-11 18:02:54 20 0

数学选修2-2-定积分,请问这一步是怎么算的?

如图,非常不解这两步是怎么相等的,第一个箭头所指的这个式子是怎么推算到第二个箭头所指的式子的? …

萌梦深 2022-09-11 17:38:36 20 0
更多

推荐作者

已经忘了多久

文章 0 评论 0

15867725375

文章 0 评论 0

LonelySnow

文章 0 评论 0

走过海棠暮

文章 0 评论 0

轻许诺言

文章 0 评论 0

信馬由缰

文章 0 评论 0

    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
    原文