5.4 使用决策树进行回归 5.5 本章小结 第6章 利用支持向量机进行行人检测 6.1 技术需求 6.2 理解线性SVM 6.3 处理非线性决策边界 6.4 检测自然场景中的行人 6.5 使用SVM的多类分类 6.6 本章小结 第7章 利用贝叶斯学习实现一个垃圾邮件过滤器 7.1 技术需求 7.2 理解贝叶斯推理 7.3 实现第一个贝叶斯分类器 7.4...
本书通过具体的编程实践案例,全面系统地讲述了机器学习涉及的核心内容。首先介绍新特性以及安装OpenCV4构建计算机视觉应用程序。你将探索机器学习的基础知识,学习设计用于图像处理的各种算法。本书将逐步介绍有监督学习和无监督学习。你将获得使用Python中的scikit-learn开发各种机器学习应用程序的实践经验。后续章节将重点...
351 理解逻辑回归55 352 加载训练数据56 353 使其成为一个二值分类问题57 354 数据检查57 355 将数据拆分成训练集和测试集58 356 训练分类器58 357 测试分类器59 36 本章小结59 第4章 数据表示和特征工程60 41 技术需求61 42 理解特征工程61 43 数据预处理62 431 特征标准化...
from sklearn.tree import DecisionTreeClassifier, export_graphviz 数据 接下来,我们需要考虑一些数据。我将使用著名的iris数据集,该数据集可对各种不同的iris类型进行各种测量。pandas和sckit-learn都可以轻松导入这些数据,我将使用pandas编写一个从csv文件导入的函数。这样做的目的是演示如何将scikit-learn与pandas一起...
1. Python基础:掌握Python基本语法,包括变量、数据类型、控制结构、函数等;学习Python面向对象编程。2. 数据处理与分析:使用NumPy进行数值计算;用Pandas进行数据处理和分析;借助Matplotlib和Seaborn进行数据可视化。3. 机器学习基础:了解机器学习基本概念和算法,如线性回归、逻辑回归、决策树、随机森林、SVM等;使用Scikit-...
你将获得使用Python中的scikit-learn开发各种机器学习应用程序的实践经验。后续章节将重点介绍决策树、支持向量机、贝叶斯学习等各种机器学习算法,以及如何将这些算法应用于目标检测等计算机视觉操作。然后,你将深入研究深度学习和集成学习,并探索它们在现实世界中的应用。最后,你将学习用于构建图像处理系统的的IntelOpenVINO...