AI

您将深入了解人工智能(AI)的核心技术与应用,包括机器学习、深度学习、自然语言处理、计算机视觉等热门领域。我们提供最新的AI教程、技术文章、行业案例与实践指南,帮助您掌握AI技术,提升编程与数据分析能力。无论您是AI初学者还是专业开发者,都可以在这里找到丰富的学习资源,助力您的职业发展与技术创新。关注我们的AI板块,了解AI最新趋势,抢占未来科技先机!

基于yolov5算法的安全帽头盔检测源码+模型,Pytorch开发,智能工地安全领域中头盔目标检测的应用

算法

基于yolov5算法的安全帽头盔检测源码+模型,Pytorch开发,智能工地安全领域中头盔目标检测的应用

基于yolov5算法的安全帽头盔检测|Pytorch开发+源码+模型 本期给大家打开的是YOLOv5在智能工地安全领域中头盔目标检测的应用。 完整代码下载地址: 可视化界面演示: 💥💥💥新增可视化界面上线啦!!!!来一波演示!!! 演示 指标 yolov5s 为基础训练,epoch = 50 分类PRmAP0.5总体0.8840.8990.888人体0.8460.8930.877头0.8890.8830.871安全帽0.9170.9210.917 对应的权重文件:,提取码: b981 yolov5m 为基础训练,epoch = 100 分类PRmAP0.5总体0.8860.9150.901人体0.8440.9060.887头0.90.9110.9安全帽0.9130.9290.916

By Ne0inhk
scikit-learn实现近邻算法分类的示例

算法

scikit-learn实现近邻算法分类的示例

scikit-learn库 scikit-learn已经封装好很多数据挖掘的算法 现介绍数据挖掘框架的搭建方法 * 转换器(Transformer)用于数据预处理,数据转换 * 流水线(Pipeline)组合数据挖掘流程,方便再次使用(封装) * 估计器(Estimator)用于分类,聚类,回归分析(各种算法对象) * 所有的估计器都有下面2个函数 * fit() 训练 * 用法:estimator.fit(X_train, y_train), * estimator = KNeighborsClassifier() 是scikit-learn算法对象 * X_train = dataset.data 是numpy数组 * y_train = dataset.target 是numpy数组 * predict() 预测 * 用法:estimator.predict(X_test) * estimator = KNeighborsClassifier(

By Ne0inhk
Python 学习路线:介绍、基础语法、数据结构、算法、高级主题、框架及异步编程详解

算法

Python 学习路线:介绍、基础语法、数据结构、算法、高级主题、框架及异步编程详解

Python 介绍 Python 是一种 高级 的、解释型 的、通用 的编程语言。其设计哲学强调代码的可读性,使用显著的缩进。Python 是 动态类型 和 垃圾收集 的。 基本语法 设置 Python 环境并开始基础知识。 变量 变量用于存储在计算机程序中引用和操作的信息。它们还提供了一种使用描述性名称标记数据的方式,以便读者和我们自己更清晰地理解我们的程序。将变量视为包含信息的容器很有帮助。它们的唯一目的是在内存中标记和存储数据。然后可以在整个程序中使用这些数据。 文章链接: 示例 x = 5 y = 6 sum_result = x + y print(sum_result) # 打印 x + y 的和 条件语句 Python 中的条件语句根据特定条件是否为真或为假执行不同的操作。条件语句由

By Ne0inhk
基于Dijkstra算法的武汉地铁路径规划!

大前端

基于Dijkstra算法的武汉地铁路径规划!

简说Python推荐作者:牧小熊,华中农业大学,Datawhale原创作者 来源:Datawhale One old watch, like brief python  前言 最近爬取了武汉地铁线路的信息,通过调用高德地图的api 获得各个站点的进度和纬度信息,使用Dijkstra算法对路径进行规划。 1.数据爬取 首先是需要获得武汉各个地铁的地铁站信息,通过爬虫爬取武汉各个地铁站点的信息,并存储到xlsx文件中 武汉地铁线路图,2021最新武汉地铁线路图,武汉地铁地图-武汉本地宝wh.bendibao.com 方法:requests、BeautifulSoup、pandas import requests from bs4 import BeautifulSoup import pandas as pd def spyder(): #获得武汉的地铁信息 url='http://wh.bendibao.com/

By Ne0inhk
机器学习第二篇:详解KNN算法

算法

机器学习第二篇:详解KNN算法

简说Python推荐来源:俊红的数据分析之路 作者:张俊红 我的2020总结,戳图片,留言抽大奖 大家好,我是老表~ 本篇介绍机器学习众多算法里面最基础也是最“懒惰”的算法——KNN(k-nearest neighbor)。你知道为什么是最懒的吗? 01|算法简介: KNN是英文k-nearest neighbor的缩写,表示K个最接近的点。该算法常用来解决分类问题,具体的算法原理就是先找到与待分类值A距离最近的K个值,然后判断这K个值中大部分都属于哪一类,那么待分类值A就属于哪一类。 这其实和我们生活中对人的评价方式一致,你想知道一个人是什么样的人,你只需要找到跟他关系最近(好)的K个人,然后看这K个人都是什么人,就可以判断出他是什么样的人了。 02|算法三要素: 通过该算法的原理,我们可以把该算法分解为3部分,第一部分就是要决定K值,也就是要找他周围的几个值;第二部分是距离的计算,即找出距离他最近的K个值;第三部分是分类规则的确定,就是以哪种标准去评判他是哪一类。 1、K值的选取 K值的选取将会对KNN算法的结果产生重大的影响,下面通过一个简单

By Ne0inhk
GitHub 标星 15w,如何用 Python 实现所有算法?

算法

GitHub 标星 15w,如何用 Python 实现所有算法?

👇我的小册 40章+教程:() ,目前已经300多人订阅 来源:大数据文摘 编译:周素云、蒋宝尚 学会了 Python 基础知识,想进阶一下,那就来点算法吧!毕竟编程语言只是工具,结构算法才是灵魂。 新手如何入门 Python 算法? 几位印度小哥在 GitHub 上建了一个各种 Python 算法的新手入门大全。从原理到代码,全都给你交代清楚了。为了让新手更加直观的理解,有的部分还配了动图。 https://github.com/TheAlgorithms/Python 这个项目主要包括两部分内容:一是各种算法的基本原理讲解,二是各种算法的代码实现。 算法的代码实现 算法的代码实现给的资料也比较丰富,除了算法基础原理部分的 Python 代码,还有包括神经网络、机器学习、数学等等代码实现。 例如在神经网络部分,给出了 BP 神经网络、卷积神经网络、全卷积神经网络以及感知机等。

By Ne0inhk
豆瓣高分!万人期待的《算法图解(第2版)》终于来了!

算法

豆瓣高分!万人期待的《算法图解(第2版)》终于来了!

著名计算机科学家 Niklaus Wirth 曾说过:程序=数据结构+算法。数据结构是程序的骨架,而算法则是程序的灵魂。二者缺一不可,相辅相成。 数据结构提供了存储和组织数据的框架。算法则定义了在这个框架内如何操作数据以实现特定的功能。没有良好的数据结构,算法可能无法高效运行;而没有算法,数据结构也无法发挥其应有的作用。因此,程序设计不仅仅是编写代码,更重要的是设计合适的数据结构和算法来解决实际问题。 算法涉及的知识复杂、抽象且内容庞大,这也难怪有些算法名著动不动都是几百页起的大部头。内容有难度,而且坚持学习下去也需要一定的勇气。 如果有一本书可以将算法里的重点难点拆解并用图的方式展示给你,内容就像小说一样,让你看完一页还想继续往下看,这样的书,是不是所有算法学习困难者的心之所想。 《算法图解》就是这样一本书,它用最朴实的语言讲明白了数组、栈、图、基础数据结构等算法基础知识。算法部分更是图示步骤、原理解析超级详细。很多算法例子都是根据示例场景进行的,比如地图最短路径,大数据分析,AI 等。举例的同时还会为大家分析算法的执行效率。 这本不可多得,深受读者喜爱的好书如今销量已经

By Ne0inhk
python数据分析从入门到进阶:分类算法:下(含详细代码)

python

python数据分析从入门到进阶:分类算法:下(含详细代码)

🍁1.前言 在上一篇文章中,我们介绍了如何对mnist数据集建立一个二分类模型,我们当时解决的问题是给我一张图片,判断是否是数字7,但是我们不仅仅对数字7感兴趣,我们希望给我一张任意的图片,计算机能告诉我这张图片是数字几。这是一个多分类问题。一些算法(如SGD分类器、 随机森林分类器和朴素贝叶斯分类器)能处理多个类。其他(如logistic回归)是严格的二元分类器。但是我们可以通过一些策略来实现使用二分类器进行多分类 * OvR:一种方法是对于0-9十个类别,我们对每个类建立一个二分类器。判断是否属于该类,具体实现方法是,给我一张图片,分别使用这十个分类器预测属于该类的概率。选择概率最大的那一类作为预测结果 * OvO:另一种方法是对于0-9十个类别,每一次选两个类别进行比较,比较属于哪一类的概率更大。对于minist数据集,则必须在所有45个分类器进行比较,看看哪个类赢的最多。OvO的主要优点是,每个分类器只需要在训练集的一部分进行训练,即选择需要区分的两个类的数据集。然而,对于大多数二进制分类算法,OvR是首选。 当我们使用二分类器来处理多分类任务时,sklearn会自

By Ne0inhk
python数据分析从入门到进阶:分类算法实现:上(含详细代码)

算法

python数据分析从入门到进阶:分类算法实现:上(含详细代码)

《python机器学习从入门到高级》分类算法:(上) 引言 我们在之前的文章已经介绍了机器学习的一些基础概念,当拿到一个数据之后如何处理、如何评估一个模型、以及如何对模型调参等。接下来,我们正式开始学习如何实现机器学习的一些算法。 回归和分类是机器学习的两大最基本的问题,对于分类算法的详细理论部分。 本文主要从python代码的角度来实现分类算法。 # 导入相关库 import sklearn import pandas as pd import numpy as np import matplotlib.pyplot as plt 🌳1. 数据准备 下面我们以mnist数据集为例进行演示,这是一组由美国人口普查局的高中生和雇员手写的70000个数字图像。每个图像都用数字表示。也是分类问题非常经典的一个数据集 # 导入mnist数据集 from sklearn.datasets import fetch_openml mnist = fetch_openml('mnist_784', version=

By Ne0inhk
用于数据挖掘的分类算法有哪些,各有何优劣?

算法

用于数据挖掘的分类算法有哪些,各有何优劣?

作者:Jason Gu 链接:https://www.zhihu.com/question/24169940/answer/26952728 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 训练集有多大? 如果你的训练集很小,高偏差/低方差的分类器(如朴素贝叶斯)比低偏差/高方差的分类器(如K近邻或Logistic回归)更有优势,因为后者容易过拟合。但是随着训练集的增大,高偏差的分类器并不能训练出非常准确的模型,所以低偏差/高方差的分类器会胜出(它们有更小的渐近误差)。你也可以从生成模型与鉴别模型的区别来考虑它们。 某些分类器的优势 **朴素贝叶斯(Naive Bayes, NB)** 超级简单,就像做一些数数的工作。如果条件独立假设成立的话,NB将比鉴别模型(如Logistic回归)收敛的更快,所以你只需要少量的训练数据。即使条件独立假设不成立,NB在实际中仍然表现出惊人的好。如果你想做类似半监督学习,或者是既要模型简单又要性能好,NB值得尝试。

By Ne0inhk
CatBoost算法是如何工作的及使用示例

AI

CatBoost算法是如何工作的及使用示例

CatBoost是一个缩写词,指的是“分类提升”,旨在在分类和回归任务中表现良好。CatBoost处理分类变量而不需要手动编码的能力是其主要优势之一。它采用了一种称为有序提升的方法来处理分类特征所面临的困难,如大基数。这使得CatBoost能够自动处理分类数据,节省用户的时间和精力。CatBoost的基本思想是能够有效地处理分类特征。它实现了一种名为有序提升的新技术,该技术通过排列分类变量来生成数值表示。该方法在保持类别信息的同时允许模型使用强大的梯度提升技术。 什么是CatBoost? CatBoost是Yandex开发的尖端算法,是无缝,高效和令人兴奋的机器学习,分类和回归任务的首选解决方案。凭借其创新的有序提升算法,CatBoost通过利用决策树的力量将预测提升到新的高度。在本文中,您将探索catboost算法的工作原理。 CatBoost的主要功能 与CatBoost相关的主要功能如下: 1. 梯度提升:它是一种功能强大的集成学习技术,它结合了弱预测模型(通常是决策树)来构建一个功能强大的预测模型。它的工作原理是迭代地将新模型添加到集合中,每个模型都经过训练以纠正先

By Ne0inhk