oc- isa superclass 类 原类

分类

  

2019-10-29 10:40:07

OC对象 主要分三种: instance 对象(实例对象) class 对象(类对象) meta-class 对象 (元类对象) 1:一个实例对象 在内存中存储的信息:isa指针、其他变量(这个是成员变量的值,比如说,self.age = 10, 10放在里面) 2:类对象 一个类的类对象是唯一的,在内存中是一份的,所以上述objectClass1、2、3、4、5地址是一样的类对象在内存中存储的信...

今天我们一起来学习一下如何用Python来实现XGBoost分类,这个是一个监督学习的过程,首先我们需要导入两个Python库: 这里的accuracy_score是用来计算分类的正确率的。我们这个分类是通过蘑菇的若干属性来判断蘑菇是否有毒的分类,这个数据集中有126个属性,我们来看看数据集,我把数据集放到网盘上分享给大家:训练和测试数据集,密码:w8td。打开数据集可以发现这其实是一组组的向量,...

4、线性分类 上一课最我们介绍了图像分类的问题,任务是从一个固定的类别集合中选一个分配给待识别的图像。最后,我们描述了k-近邻(KNN)分类器,它通过将待标记的图像与训练集中已经标记好的图像进行比较来标记图像。KNN有许多缺点: 分类器必须记住所有的训练数据,并将其存储起来,以备将来与测试数据进行比较。这是空间低效的,因为数据集的大小可能是千兆字节。 分类测试图像是昂贵的,因为它需要与所有训练图像...

转自:https://blog.csdn.net/weixin_41770169/article/details/80330581 github地址:https://github.com/1269215860/vgg16_flowers.git 其实上面的文章已经写的很详细了,但是还有一点小小的问题,通过参考其他的代码,将其进行补充,这样完整的程序就可以运行了。 下面我就主要说说进行补充的地方: ...

简介 上一篇具体按照第一个链接,介绍了训练强分类器的过程; 本篇文章,mask另一段代码,并用强分类器进行分类,验证分类结果。 1.创建数据集和标签 2.使用单层决策树对数据进行分类 dataMatirx:要分类的数据 dimen:维度 threshVal:阈值 threshIneq:方法有两种,‘lt’=lower than,‘gt’=greate...

文章中一些详细的说明,会在代码中用注释的方式解释,如果有疑问或者写的不好的地方可以留言交流 先上效果图(文末会附上源码):  目录 一 数据库表结构 二 实体类设计  三 后端代码 3.1 数据访问层 3.2 redis属性文件 3.3 redis配置文件 3.4 接口层 3.5 服务层 3.6 控制层 四 ...

题意:       给定一颗树,每条边初始均为白色。任意选取两个叶子节点,要求这两个叶子节点之间的边全部为白色,然后将这两个叶子节点之间的边全部染成黑色。直到无法再染色时停止,输出最少操作的次数。   思路:       一开始看到这道题,以为是一个找规律或者贪心题,然后再加上全场没几个人过这道题,就放弃了,没有仔细想这道题。 ...

背景 路况在地图渲染时候,会针对不同的拥堵情况选择不同颜色。一般来讲,道路拥堵情况分为三个状态,畅通,拥堵,缓行,分别用绿色,黄色,红色来渲染。 我们面临的问题是,已知道路属性以及通行速度,需要对路况状态进行分类。解决方案是依据第三方路况提供的路况状态以及抓取的高德路况状态来训练一个三分类模型。 特征处理 应用的特征如下 feature description speed 路况速度 maxspee...

Keras扩充图片数据集

Keras  图像分类

  

2019-07-06 21:00:13

原文地址:http://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html 参考译文地址:http://keras-cn.readthedocs.io/en/latest/blog/image_classification_using_very_little_data/ 本文...

KNN算法和sklearn中的KNN算法

knn  python  sklearn  分类

  

2019-07-11 23:36:23

KNN基本思想 KNN是通过测量不同特征值之间的距离进行分类。它的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别,其中K通常是不大于20的整数。KNN算法中,所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 使用图来说话比较方便: 原始数据的散点图如下: 如...

一、Reuters数据集是一个关于新闻短讯的数据集,其包含了46个互斥的主题,而且每个主题指定包含10个样例。 二、数据集的相关信息 三、处理数据集 将labels通过to_categorical处理为one-hot编码(如果不使用one-hot编码,而是直接使用原始的label,那么loss function应选择sparse_categorical_crossentropy) 四、设计网络结构...

目录: 论文阅读 代码解析 小结   论文阅读 论文地址:Deep Residual Learning for Image Recognition 1.介绍 最近研究表明,增加网络的深度是至关重要的。于是增加网络的深度成了大家努力的方向,但是是否堆叠更多的层就一定能够训练出更好的结果呢?事实上并不一定,我们遇到的阻碍之一就是梯度消失和梯度爆炸。如果遇到了梯度消失和梯度爆炸,网络会很难收敛...

构建一个KNN分类器来进行图像分类 K-NN原理介绍 K近邻算法(K-NN)算法是一种简单但也很常用的分类算法,它也可以应用于回归计算。K-NN是无参数学习,这意味着它不会对底层数据的分布做出任何假设。它是基于实例,即该算法没有显式地学习模型。相反,它选择的是记忆训练实例,并在一个有监督的学习环境中使用。KNN算法的实现过程主要包括距离计算方式的选择、k值得选取以及分类的决策规则三部分。 1. 距...

用tflearn构建分类器

tflearn  tensorflow  分类器

  

2019-08-17 07:59:02

爬虫部分 用爬虫从百度获取关键词的图片,进行简单的人工删选后作为训练用的原始数据。爬虫代码可从网上方便找到。 数据处理部分 将下载好的图片进行批处理,先把图片大小转化为神经网络输入的尺寸(这里是(64,64,3)),再生成pkl文件(当然也可以用其他格式,如tfrecord)。 深度学习部分 这里用比较简单的AlexNet作为例子,构建了一个小型的神经网络,要注意输入和输出的大小((64,64,3...