机器学习笔记 - 深度学习的预处理和图像白化
2023-09-14 09:01:35 时间
一、概述
我们将使用代码(Python/Numpy 等)进行编码,以更好的理解从数据预处理的基础知识到深度学习中使用到的技术。
将从数据科学和机器学习/深度学习中基本但非常有用的概念开始,例如方差和协方差矩阵,我们将进一步介绍一些用于将图像输入神经网络的预处理技术。使用具体代码了解每个方程的作用!
在将原始数据输入机器学习或深度学习算法之前,我们称其为对原始数据的所有转换进行预处理。例如,在原始图像上训练卷积神经网络可能会导致较差的分类性能。预处理对于加快训练也很重要(例如,居中和缩放技术等)。
二、方差和协方差
变量的方差描述了值的分布程度。协方差是一种衡量两个变量之间依赖程度的度量。正协方差意味着当第二个变量的值也很大时,第一个变量的值很大。负协方差意味着相反:一个变量的大值与另一个变量的小值相关联。协方差值取决于变量的规模,因此很难对其进行分析。可以使用更容易解释的相关系数。它只是标准化的协方差。
![](https://img-blog.csdnimg.cn/f4d8373b97a342ca8cab5d2c449e2de3.png)
协方差矩阵是一个矩阵,它集合了一组向量的方差和协方差,它可以告诉你关于变量的很多事情。对角线对应于每个向量的方差:
相关文章
- Coursera台大机器学习技法课程笔记13-Deep Learning
- Coursera台大机器学习技法课程笔记01-linear hard SVM
- Coursera台大机器学习课程笔记13 -- Regularization
- 机器学习如何改变大数据管理
- 机器学习笔记 - 什么是标准正态分布表?
- 机器学习笔记 - 自相关和偏自相关简介
- 机器学习笔记 - 使用scikit-learn创建混淆矩阵
- 机器学习笔记 - 使用dlib进行训练对猫脸进行识别
- 机器学习笔记 - 基于Torch Hub的图像分割模型FCN
- 机器学习笔记 - 基于pytorch和tensorflow的K折交叉验证
- 机器学习笔记 - 基于Torch Hub的VGG和ResNet
- 机器学习笔记 - 使用pytorch + yolov5训练自定义数据集
- 机器学习笔记 - Keras + TensorFlow2.0 + Unet进行语义分割
- 机器学习笔记 - 时间序列的线性回归
- 机器学习笔记 - 深度学习调查
- 机器学习笔记 - 拆分学习和拆分神经网络(SplitNN)
- 机器学习笔记 - Kaggle表格游乐场 Mar 2022 学习一
- 机器学习笔记 - IOU、mAP、ROC、AUC、准确率、召回率、F分数
- 机器学习笔记 - 神经网络的类型简介
- 机器学习笔记 - 深度学习面试必备的25个问题
- 机器学习笔记 - 语义分割资源清单
- 数据分析之机器学习(整理笔记)