這節課講到python 和 機器學習了。
機器學習一般和人工智慧聯絡在一起,想想都難學。
這節課80分鐘。只了解了機器學習這個概念。
機器學習主要用來:
搜尋引擎
影象處理
聲音識別
自然語言處理。
以下內容摘抄自 遙感原理應用與方法 ,可以幫助理解機器學習:
遙感影象的計算機分類,就是利用各種影象特徵按一定的演算法和規則,將遙感影象上的每個像元或區域進行屬性識別和劃分的過程。
目前,遙感影象的自動分類主要採用統計、決策樹、模糊理論及神經網路等方法。
統計方法自然簡單也容易實現(python的第三方庫),統計分類方法又分為監督分類和非監督分類。
如果已知樣本區類別的資訊,對非樣本區資料進行分類的方法稱為監督分類。監督分類首先要根據訓練樣區來得到判別準則,比如某一類的中心的位置。
定義時提到的演算法和規則,即判別函式和判別規則。常用的演算法和規則是最小距離法。
根據rgb原理,每個像元都由三個位元組表示顏色(三個0~255之間的數),每個像元對應著三維空間中的點。然後可以計算畫素到哪個類距離最小了。
然後,非監督聚類。沒有訓練樣區來得到聚類的中心。只是「盲目聚類」,典型的非監督聚類方法有k-均值聚類法。
k-均值聚類法的思想是通過迭代,依次移動各類的中心,直到得到滿意的結果。大致流程如下:
任意選擇m個中心(分成m類);
將所有像元按照最小距離法分到這m個類中;
根據各類中像元值計算新的m個中心;
再根據這m個中心將所有像元分類到這m個類中;
再計算新的m個中心;
… 直到兩次聚類中心幾乎沒有變化,認為分類結束。
統計學都需要學好就才能順利學習機器學習。
只靠統計學遠遠不能滿足機器學習的需要,還有決策樹、模糊理論、神經網路這些。
術業有專攻,先大概了解一下。
CS50 2016 Week 0 學習筆記
今天開始從第一課開始學習了。week 0 和大學裡許多的第一節課一樣,只是簡單介紹這門課,沒有太多乾貨。有幾個知識點,比較重要。機器語言,即計算機能直接理解的語言,只有0 和 1 二進位制數 通過字元編碼,能用不同的數字表示不同的字元,能用二進位制數來表示我們熟悉的字元。乙個位元組儲存8個二進位制數...
CS50 2016 Week 2 學習筆記
這一課先講了除錯程式 debug 然後講了 正確性 設計 風格,最後講了陣列的概念。核心思想是程式報錯後,能找到哪兒錯了,怎麼錯的。如果是語法錯誤,根據報錯資訊,大概能找到怎麼錯的。如果是邏輯錯誤,可以自己在腦海中過一遍程式執行的流程,看哪兒有邏輯錯誤,或者自己在可能有問題的地方寫測試 c語言軟體中...
CS50 2016 Week3 學習筆記
上一課講了陣列,這節課順利過渡到了陣列的查詢 排序。即查詢演算法 排序演算法。關於查詢演算法,除了常見的linear search binary search 還有好多好多。下面是常見的七大查詢演算法 順序查詢 二分查詢 插值查詢 斐波那契查詢 樹表查詢 分塊查詢 雜湊查詢 排序演算法,除了氣泡排序...