阅读目录前言一种原始的元算法-bagging(自举汇聚法)boost(提高任意给定学习算法精确度算法)vsbagging(自举汇聚法)AdaBoost元算法的基本原理基于单层决策树的AdaBoost元算法分类器实现小结回到顶部      有人认为AdaBoos...

阅读目录前言预备术语算法原理如何计算最优超平面使用SMO-高效优化算法求解 α值非线性可分情况的大致解决思路小结回到顶部      支持向量机，也即SVM，号称分类算法，甚至机器学习界老大哥。其理论优美，发展相对完善，是非常受到推崇的算法。 ...

https://blog.csdn.net/guwuchangtian/article/details/73838650...

1.贝叶斯定理如果有两个事件，事件A和事件B。已知事件A发生的概率为p(A)，事件B发生的概率为P(B)，事件A发生的前提下。事件B发生的概率为p(B|A)，事件B发生的前提下。事件A发生的概率为p(A|B)，事件A和事件B同一时候发生的概率是p(AB)。则有p(AB)=p(A)p(B|A)=p(B)p(A|B)(1)...

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html  级联分类器包括两部分：训练和检测。检测部分在OpenCV objdetect 模块的文档中有介绍，在那文档中给出了...

#介绍级联分类器包括两个工作阶段：训练(traning)，检测(detection)。检测阶段在文档《objdetectmoduleofgeneralOpenCVdocumentation》中描述，在那篇文档中，给出了一些关于级联分类器的基本信息。本文主要说明如何训练一个级联分类器：准备训练数据，执行训练程序#重要提示...

2018-12-0617:05:27这里以二分类举例，首先引入混淆矩阵的概念：混淆矩阵是一个2×2的方阵，用于展示分类器预测的结果——真正（truepositive），假负（falsenegative）、假正（falsepositive）及假负（falsenegative）下面介绍一...

原帖地址：http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html     由于工作需要，我开始研究人脸检测部分的算法，这期间断断续续地学习了Haar分类器的训练以及检测过程，在这里根据各种论文、网络资源的查...

声明，这个系列基本是我自己的一些学习过程，方便我自己后期复习的！线性分类器主要由两个部分组成：一个是评分函数（scorefunction），它是一个从原始图像到类别分值的映射函数。另一个是损失函数（lossfunction）也叫代价函数（costfunction），它是用来量化预测得到的分类标签的得分与真实标签之间的一...

KNN学习（K-NearestNeighboralgorithm，K最邻近方法）是一种统计分类器，对数据的特征变量的筛选尤其有效。KNN的基本思想是：输入没有标签（标注数据的类别），即没有经过分类的新数据，首先提取新数据的特征并与測试集中的每一个数据特征进行比較；然后从測试集中提取K个最邻近（最类似）的数据特征标签，统...

在机器学习或者是模式识别其中有一种重要的分类器叫做：SVM。这个被广泛的应用于各个领域。可是其计算的复杂度以及训练的速度是制约其在实时的计算机应用的主要原因。因此也非常非常多的算法被提出来。如SMO，Kernel的方法。可是这里要提到的 Regularizedleast-squares classi...