classification_编程技术问答社区_程序员问答知识库

以下是关于 classification 的编程技术问答

图像分类-检测平面图

我正在在房地产网站上工作，我想编写一个程序可以找出(分类)图像是平面图还是公司徽标. 由于我在PHP中写作，因此我更喜欢PHP解决方案，但是任何C ++或OPENCV解决方案也可以. 平面图样本: alt Text http://wwwww.rentingtime.com/uploads./listing/l0050/0000050930/68614.jpg Alt Text http http://wwwwwwwww.rentingtime.com/uploads./listing/l0031/0000031701/44199.jpg 徽标样本: alt Text http://www.rentingtime.com/uploads/upploads/listing/l0091/0000091285/95205.jpg 解决方案一如既往，有一个用于此的内置php函数.只是开玩笑. =) 我看到的所有平面图都是单色的，我认为您可以使用

2 2023-05-31 编程技术问答社区 php image-processing opencv pattern-matching classification

使用Naive Bayes分类器对推文进行分类：一些问题

在Stackoverflow上使用的各种帖子中，我正在尝试实现自己的PHP Classier，以将推文分类为正面，中性和负面类别.在编码之前，我需要进行流程.我的思考列车和一个例子如下: p(class) * p(words|class) Bayes theorem: p(class|words) = ------------------------- with p(words) assumption that p(words) is the same for every class leads to calculating arg max p(class) * p(words|class) with p(words|class) = p(word1|class) * p(word2|topic) * ... and

0 2023-05-31 编程技术问答社区 php math probability classification bayesian

List::Util 'shuffle'究竟是如何工作的？

我目前正在使用C5.0构建分类器.我有一个8000个条目的数据集，每个条目都有其自己的I.D号(1-8000).在测试分类器的性能时，我必须进行5次10:90(训练数据:测试数据)拆分.当然，任何培训案例都不能在测试案例中再次出现，并且在这两个集合中都不能出现重复. 要随机选择示例以获取训练数据的问题，并确保无法为测试数据选择相同的问题，我已经开发了一种可怕的缓慢方法；在单独的行上填写1-8000的数字的文件. 随机选择一条线号(从1-8000范围内)，并将行的内容用作训练示例的ID号. 将所有未挑选的数字写入新文件将随机数发生器的范围减少1 重做然后将所有未销售的数字用作测试数据.它起作用，但速度很慢.为了加快速度，我可以使用list :: util'shuffle'只是"随机"随机洗牌和这些数字的数组.但是"洗牌"有多随机?保持相同水平的准确性至关重要.对此文章感到抱歉，但是有人知道"洗牌"实际上是如何工作的.任何帮助都很棒解决

2 2023-05-24 编程技术问答社区 perl random cpan classification

多层神经网络不会预测负值

我已经实现了多层感知器来预测输入向量的罪过.向量由随机选择的四个-1,0,1组成，并设置为1.网络应预测向量内容的总和. eg输入= output = sin(0+1+(-1)+0+1) 我遇到的问题是，网络永远不会预测负值，许多向量的罪值为负.它可以完美地预测所有正或零输出.我认为更新权重的问题是一个问题，在每个时期之后都会更新.有没有人以前遇到过NN的问题?任何帮助都很棒！注意:该网络在1个隐藏层中有5个输入，6个被限制的单元. 解决方案自从我研究多层感知以来已经很长时间了. 我会将您的问题域重新为[0,1]域而不是[-1,1].如果您查看Logistic函数图: 它在[0,1]之间生成值.我不期望它会产生负面结果.我可能错了，坚韧. 编辑: 您实际上可以将逻辑函数扩展到问题域.使用概括性逻辑曲线将A和K参数设置为域的边界. 另一个选项是双曲线切线，它从[-1，+1]从没有常数设置. 其他解决方案有许多不同种类的激活功能，其中

12 2023-05-24 编程技术问答社区 perl neural-network classification backpropagation

不同的决策树算法与复杂性或性能的比较

我正在研究数据挖掘，更确切地说是决策树. 我想知道是否有多种算法可以构建决策树(或仅一个?)，哪个是根据等标准更好的性能复杂性决策中的错误以及更多. 解决方案决策树的实现主要沿这些轴差异: 分裂标准 (即如何计算"方差") 它是否建立了回归的模型 (连续变量，例如，a 得分)以及分类 (离散变量，例如，类标签) 消除/减少过拟合的技术它是否可以处理不完整的数据主要决策树的实现是: ID3 或迭代二分法器是三个决策树中的第一个罗斯·奎兰(Ross Quinlan)开发的实施(Quinlan，J.R.，1986年.决策树的归纳. 购物车或分类和回归树通常用作通用术语决策树的缩写，尽管它显然具有更具体的含义.总而言之，购物车实施与C4.5非常相似.一个值得注意的区别是，CART基于递归应用于数据的数值拆分标准构造树，而C4.5包括构造 rule set sets.s. C4.5 ，昆兰的下一个迭代

2 2023-05-23 编程技术问答社区 performance machine-learning complexity-theory classification decision-tree

对NumPy数组进行矢量重标为连续的数字并检索回来

我有一个庞大的培训数据集，其中有4个课程.这些类是非紧张的标签.为了应用顺序的神经网络，必须对类进行重新标记，以便类中的唯一值是连续的.此外，在脚本的结尾，我必须将它们重新标记为旧值. 我知道如何用循环重新标记它们: def relabel(old_classes, new_classes): indexes=[np.where(old_classes ==np.unique(old_classes)[i]) for i in range(len(new_classes))] for i in range(len(new_classes )): old_classes [indexes[i]]=new_classes[i] return old_classes >>> old_classes = np.array([0,1,2,6,6,2,6,1,1,0]) >>> new_classes = np.arange(len(np.uni

0 2023-05-23 编程技术问答社区 python performance numpy classification vectorization

在Matlab中进行高效的分类

我的大小为RGB uint8(576,720,3)，我想将每个像素分类为一组颜色.我已经使用rgb2lab从RGB转换为实验室空间，然后删除了L层，因此它由AB. 组成. 现在，我想将其分类为我在另一个图像上训练的一些颜色，并将它们各自的AB代表计算为: Cluster 1: -17.7903 -13.1170 Cluster 2: -30.1957 40.3520 Cluster 3: -4.4608 47.2543 Cluster 4: 46.3738 36.5225 Cluster 5: 43.3134 -17.6443 Cluster 6: -0.9003 1.4042 Cluster 7: 7.3884 11.5584 现在，为了将每个像素分类/标记为群集1-7，我当前执行以下(伪代码): clusters; for each x for each y ab = im(x,y,2:3); dist =

2 2023-05-23 编程技术问答社区 performance matlab machine-learning classification data-mining

PCA之后的最佳特征选择技术？

我正在使用RandomForestClassifier实施具有二进制结果的分类任务，我知道数据预处理对提高准确性得分的重要性.特别是，我的数据集包含100多个功能和几乎4000个实例，我想执行降低降低技术，以免由于数据中存在噪声高而过度拟合. 对于这些任务，我通常使用经典的功能选择方法(过滤器，包装器，功能重要性)，但我最近阅读了有关组合主成分分析(PCA)(第一步)，然后在转换的数据集中进行功能选择./p> 我的问题是:在数据上执行PCA后我应该使用特定的特征选择方法吗?特别是，我想了解的是，在我的数据上使用PCA是使用某些特定功能选择技术或效率不高. 解决方案让我们从什么时候开始使用PCA? 当您不确定数据的哪个组件会影响准确性时，PCA最有用. 让我们考虑面部识别任务.我们可以一目了然地说最关键的像素吗? 例如:奥利维蒂的面孔. 40个人，深色同质背景，改变照明，面部表情(睁开/闭合的眼睛，微笑/不微笑)和面部细节(眼镜/无眼镜). 因此，

2 2023-05-21 编程技术问答社区 python classification random-forest pca feature-selection

sklearn多类svm函数

我有多类标签，想计算模型的准确性. 我对需要使用哪种Sklearn功能感到困惑. 据我了解，以下代码仅用于二进制分类. # dividing X, y into train and test data X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25,random_state = 0) # training a linear SVM classifier from sklearn.svm import SVC svm_model_linear = SVC(kernel = 'linear', C = 1).fit(X_train, y_train) svm_predictions = svm_model_linear.predict(X_test) # model accuracy for X_test accuracy = svm_model_linear.score(X_

2 2023-05-21 编程技术问答社区 machine-learning scikit-learn classification svm pca

分类。使用sklearn的PCA和逻辑回归

步骤0:问题描述我有一个分类问题，即我想根据数值特征集合，使用逻辑回归来预测一个二进制目标，并在运行主组件分析(PCA)后. . 我有2个数据集:df_train和df_valid(分别训练集和验证集)作为熊猫数据框架，包含功能和目标.作为第一步，我使用get_dummies pandas函数将所有分类变量转换为布尔值.例如，我将有: n_train = 10 np.random.seed(0) df_train = pd.DataFrame({"f1":np.random.random(n_train), \ "f2": np.random.random(n_train), \ "f3":np.random.randint(0,2,n_train).astype(bool),\ "target":np.random.ra

2 2023-05-21 编程技术问答社区 python scikit-learn classification logistic-regression pca

MATLAB中的SVM可视化

在MATLAB中执行SVM培训后，如何可视化SVM分类? 到目前为止，我只对: 培训了SVM % Labels are -1 or 1 groundTruth = Ytrain; d = xtrain; model = svmtrain(groundTruth, d); 解决方案如果您使用的是libsvm，则可以绘制分类结果: % Labels are -1 or 1 groundTruth = Ytrain; d = xtrain; figure % plot training data hold on; pos = find(groundTruth==1); scatter(d(pos,1), d(pos,2), 'r') pos = find(groundTruth==-1); scatter(d(pos,1), d(pos,2), 'b') % now plot support vectors hold on; sv = full(model.SV

14 2023-05-21 编程技术问答社区 matlab classification svm libsvm pca

先用PCA还是先用归一化？

进行回归或分类时，预处理数据的正确(或更好)方法是什么? 将数据标准化 - > PCA->培训 PCA->归一化PCA输出 - >培训将数据标准化 - > PCA->归一化PCA输出 - >培训以上哪种更正确，还是预处理数据的"标准化"方法?通过"归一化"，我的意思是标准化，线性缩放或其他一些技术. 解决方案您应该在执行PCA之前将数据归一化.例如，考虑以下情况.我使用已知的相关矩阵C创建数据集X: >> C = [1 0.5; 0.5 1]; >> A = chol(rho); >> X = randn(100,2) * A; 如果我现在执行PCA，我正确地发现主组件(权重矢量的行)与坐标轴的角度定向: >> wts=pca(X) wts = 0.6659 0.7461 -0.7461 0.6659 如果我现在将数据集的第一个功能扩展为100，则直觉上，我们认为主要组件不应更改: >> Y = X; >>

22 2023-05-21 编程技术问答社区 machine-learning normalization classification regression pca

在R中获得多种分区方法的共识

我的数据: data=cbind(c(1,1,2,1,1,3),c(1,1,2,1,1,1),c(2,2,1,2,1,2)) colnames(data)=paste("item",1:3) rownames(data)=paste("method",1:6) 我希望根据多数投票，有两个社区(及其要素).类似:group1={item1, item2}，group2={item3}. 解决方案此函数通过一个矩阵，其中每列是一个项目，并且每行是根据聚类方法对应于项目分区的成员资格向量.组成每一行的元素(数字)除了指示成员身份外没有任何含义，并且在行之间进行回收.该功能返回多数投票分区.当一项不存在共识时，第一行给出的分区会获胜.这允许通过降低模块化值来订购分区. consensus.final

0 2023-05-20 编程技术问答社区 r algorithm classification cluster-analysis partitioning

如何从TD-idf向量中获得最高频率的术语，对于scikit-learn中的每个文件？

我试图从Scikit-Learn中的向量中获得最高的频率项. 从示例中可以使用每个类别使用此操作来完成，但我希望为类别中的每个文件. 中的每个文件. if opts.print_top10: print "top 10 keywords per class:" for i, category in enumerate(categories): top10 = np.argsort(clf.coef_[i])[-10:] print trim("%s: %s" % ( category, " ".join(feature_names[top10]))) 我想从测试数据集而不是每个类别中的每个文件执行此操作. 我应该在哪里看? 谢谢编辑:S/歧视/最高频率/G(对不起，困惑) 解决方案您可以将转换的结果与get_feature_names一起使用，以获取给定文档的术语计数. X = vectorizer.transform(docs) terms

2 2023-05-20 编程技术问答社区 python parsing machine-learning classification scikit-learn

SPMD VS. Parfor

我是MATLAB中的并行计算的新手.我有一个创建分类器(SVM)的函数，我想用几个数据集对其进行测试.我有一个2个核心工作站，所以我想并行进行测试.有人可以向我解释: dataset_array={dataset1, dataset2} matlabpool open 2 spmd my_function(dataset(labindex)); end 和 dataset_array={dataset1, dataset2} matlabpool open 2 parfor i:1=2 my_function(dataset(i)); end 解决方案 SPMD是一个并行区域，而Parfor是环的平行区域.不同之处在于，在SPMD区域中，您的灵活性在可以并行执行的任务方面具有更大的灵活性.您可以编写循环，可以在分布式阵列和向量上操作.您可以对整个工作流进行编程，这通常包括循环更多.这是有代价的:您需要更多地了解有关在线程之间分

10 2023-05-19 编程技术问答社区 matlab parallel-processing classification

在pandas中获得实际的决策树

我正在使用pandas命令tree.DecisionTreeClassifier来构建(二进制)分类树.沿着: 的线 dcrG = tree.DecisionTreeClassifier(criterion='entropy',splitter='best',options_go_here) dcrG.fit(train[features], train['G']) 既然我已经成功地构建了决策树，我希望大熊猫将我打印出实际的决策树，所以沿着的线 if (var1>0.4) if (var4>3.24) if (var23.5) if (var20.4)

2 2023-05-18 编程技术问答社区 python pandas tree classification decision-tree

定义一个用于改变列值和创建新数据集的函数

我正在尝试定义一个功能，在其中它将在其中使用dataframe并更改列中的值以创建多个新数据范围. 作为一个例子，来自DF1看起来像: df1: class colB colC 0 1 1b 1c 1 2 2b 2c 2 3 3b 3c 3 4 4b 4c 4 5 5b 5c 我正在尝试创建多个二进制类来实现单VS-ALL分类.因此该功能将创建... df2: class colB colC 0 1 1b 1c 1 -1 2b 2c 2 -1 3b 3c 3 -1 4b 4c 4 -1 5b 5c df3: class colB colC 0 -1 1b

0 2023-05-18 编程技术问答社区 python pandas function dataframe classification

将多列值改为二进制值

我以前问过这个问题，但是我得到的答案并没有像我想的那样奏效，所以我在这里. 上一个问题:我正在尝试定义一个功能，在其中它将在其中使用dataframe并更改列中的值以创建多个新数据范围. 作为一个例子，来自DF1看起来像: df1: class colB colC 0 1 1b 1c 1 2 2b 2c 2 3 3b 3c 3 1 4b 4c 4 2 5b 5c 我正在尝试创建多个二进制类来实现单VS-ALL分类.因此该功能将创建... df2: class colB colC 0 1 1b 1c 1 -1 2b 2c 2 -1 3b 3c 3 1 4b 4c 4 -1 5b 5c d

0 2023-05-18 编程技术问答社区 python pandas function dataframe classification

用python为csv文件建立词库

我有一个带有2列(数据框)的CSV文件第1列包含一个句子，我爱香蕉和第2列包含一个classe i有5 classes 我需要每个班级的WordCloud 实际上，每个参议员都与每个classe相对应的所有参议员都可以做到吗? 它尝试此代码，但ID不起作用 import matplotlib.pyplot as plt cloud = WordCloud(background_color="white", max_words=20, stopwords=stopwords) tuples = tuple([tuple(x) for x in df.Phrase.value_counts().reset_index().values]) a = cloud.generate_from_frequencies(tuples) plt.imshow(a) plt.axis("off") plt.title("a") plt.show() 数据集的示例 text

4 2023-05-18 编程技术问答社区 python csv pandas classification word-cloud

从分段的时间序列创建Scikit-learn标记的数据集

介绍我有一个pandas数据框架，代表不同用户的分段时间序列(即用户1和用户2).我想通过上述数据范围训练Scikit-Learn分类器，但我不了解我必须创建的Scikit-Learn数据集的形状. 由于我的系列被分割，因此我的数据帧具有包含特定段的ID的" segid"列.我会跳过细分的描述，因为它由算法.. 让我们以一个示例 user1 和 user2 有2个段:print df username voltage segID 0 user1 -0.154732 0 1 user1 -0.063169 0 2 user1 0.554732 1 3 user1 -0.641311 1 4 user1 -0.653732 1 5 user2 0

16 2023-05-17 编程技术问答社区 python pandas dataset scikit-learn classification

首页
<
1
2
3
4
5
6
7
8
>
尾页