AI模型大杀器----Amazon SageMaker 实现高精度猫狗分类
Hello大家好，我是Dream。 最近受邀参与了 亚马逊云科技【云上探索实验室】 活动，基于他们的sagemaker实现了机器学习中一个非常经典的案例：猫狗分类。最让我惊喜的是的模型训速度比想象中 效果要好得多，而且速度十分迅速，而且总体感觉下来整个过程十分便利，使用起来也是得心应手。 那接下来跟
机器学习-KNN算法（鸢尾花分类实战）
“近朱者赤近墨者黑"，所谓的K近邻，也就是根据样本相邻最近的K个数据来进行判断，看K个邻居中所属类别最多的是哪一类，则将该样本分为这一类。
多模态特征融合：图像、语音、文本如何转为特征向量并进行分类
学习多模态的话题可以从深度学习的分类任务出发，因为分类任务是最直观的可以观察到不同模态的数据，通过输入数据到模型中，我们可以看到模型是如何学习到数据的特征向量的，同时分类任务的模型也是实现更复杂任务模型的基础。从分类任务中可以了解到图像、文本、语音在模型的特征向量是什么。以飞浆的多模态视频分类模型为
K210项目实战（口罩检测系统和垃圾分类系统）
在前面我学习了使用K210训练模型做目标检测，然后也学会了使用K210做串口通信，学完之后我就把K210丢在箱子里吃灰了,因为学校疫情原因，两年一届的电赛很遗憾不能参加了，然后我就想拿他做个口罩检测系统（检测到没戴口罩可以语言提醒），这个真的好简单，哈哈哈，接下来加点难度，做个垃圾分类系统，半天就做
Pytorch:手把手教你搭建简单的卷积神经网络(CNN)，实现MNIST数据集分类任务
利用pytorch搭建简单卷积神经网络用于分类任务，适合初学者快速上手
机器学习分类算法之支持向量机
目录支持向量机算法背景介绍什么是线性可分？什么又是超平面？支持向量机的三种情况近线性可分线性不可分不用核函数的传统方法核函数Kernel是什么？核函数SVM求解过程核函数的本质代码实例模型调参gamma调参C值调参使用Polynomial kernel进行预测使用RBF kernel进行预测总结每文
【深度学习】CNN应用于图像分类的建模全流程
图像分类，也可以称作图像识别，顾名思义，就是辨别图像中的物体属于什么类别。核心是从给定的分类集合中给图像分配一个标签的任务。
使用Resnet网络对人脸图像分类识别出男女性别（包含数据集制作+训练+测试）
这两天有点忙，本打算昨天准备写这篇博客内容的，推迟到今天晚上。实际上，上午我已经把模型训练完了，准确率可以达到95%，考虑到用的台式机没有装显卡，所以使用的数据集一共只有340张。分布情况如下。【训练集】女性：150张；男性：150张【验证集】女性：20张；男性：20张数据集预览女性数据男性数据提示
机器学习开篇之机器学习的分类
目录1 引言2 机器学习分类2.1 监督学习（Supervised Learning）2.1.1 传统监督学习2.1.2 非监督学习2.1.3 半监督学习2.1.4 其它分类2.2 强化学习（Reinforcement Learning）3 总结首先，我们给出四个机器学习任务以上四
【Google Earth Engine】利用GEE进行Landsat 8 SR数据土地利用分类
最近用学习到的知识进行了利用GEE和Landsat 8 SR数据进行土地利用分类的小实验，在这里进行一些学习记录。一、数据导入首先在GEE中上传要进行土地利用分类的行政区域边界，这里是以雄安新区为例。二、遥感数据筛选使用的数据是Landsat 8 OLI/TIRS传感器的SR数据集，SR数据利用QA
【Python机器学习】KNN进行水果分类和分类器实战（附源码和数据集）
【Python机器学习】KNN进行水果分类和分类器实战（附源码和数据集）
二分类及多分类ROC和PR曲线绘制
二分类及多分类ROC曲线的绘制二分类及多分类PR曲线的绘制
【机器学习】classification_report分类报告
classfication_report分类报告 python机器学习
机器学习中常用的分类算法总结
我们都知道，不发生的概率是极大的，对于分类器而言，如果分类器不加思考，对每一个测试样例的类别都划分为0，达到99%的正确率，但是，问题来了，如果真的发生地震时，这个分类器毫无察觉，那带来的后果将是巨大的。4）例如True positives(TP)的实际类标=1*1=1为正例，False posit
小白系列（1） | 计算机视觉之图像分类
这篇文章，是对图像分类的技术做了一个简单的入门级的介绍，包括图像分类的重要性、基于机器学习/深度学习的图像分类介绍、实际的应用方向等等。
脑电EEG代码开源分享 【6. 分类模型-深度学习篇】
科学家认为目前的深度学习瓶颈需要人脑结构的启发，类脑智能逐渐兴起，人脑智能的感知能力 + 机器智能的高效处理，混合智能在不断探索。分类模型-深度学习篇主要介绍了基础的网络结构框架 ，将深度学习解决脑电领域问题，形成【BCI + AI】的处理框架，为脑机接口的科研开辟了新赛道、新领域。本文介绍了3种经
机器学习--使用朴素贝叶斯进行垃圾邮件分类
朴素贝叶斯
基于Python实现五大常用分类算法(原理+代码)
编程算法常用
基于卷积神经网络CNN的图片分类实现——附代码
使用Matlab自带的深度学习工具箱构建卷积神经网络（CNN）进行图片分类，以识别并分类手写数字为例。首先将大量的图片数据导入；然后给不同种类的图片打上对应的分类的标签，划分为训练集和测试集；构建CNN网络其中包括3层2维卷积和3个池化层，全连接层及分类层；调整好输入输出格式对CNN进行训练及测试；
