一、概述 上一篇文章我們利用ML.NET的多元分類算法實現了一個手寫數字識別的例子，這個例子存在一個問題，就是輸入的數據是預處理過的，很不直觀，這次我們要直接通過圖片來進行學習和判斷。思路很簡單，就是寫一個自定義的數據處理通道，輸入為文件名，輸出為float數字，里面保存的是像素信息 ...

一、准備樣本 接上一篇文章提到的問題：根據一個人的身高、體重來判斷一個人的身材是否很好。但我手上沒有樣本數據，只能偽造一批數據了，偽造的數據比較標准，用來學習還是蠻合適的。 下面是我用來偽造數據的代碼： View Code 制造成功后的數據 ...

一、概述 通過之前兩篇文章的學習，我們應該已經了解了多元分類的工作原理，圖片的分類其流程和之前完全一致，其中最核心的問題就是特征的提取，只要完成特征提取，分類算法就很好處理了，具體流程如下： 之前介紹過，圖片的特征是不能采用像素的灰度值的，這部分原理的台階有點高，還好可以直接使用 ...

手寫數字數據集 # 導入手寫數據集 from sklearn.datasets import load_digits data = load_digits() print(data) 圖片數據預處理 x：歸一化MinMaxScaler() y ...

1.手寫數字數據集 from sklearn.datasets import load_digits digits = load_digits() from sklearn.datasets import load_digits digits ...

一、概述 本篇我們首先通過回歸算法實現一個葡萄酒品質預測的程序，然后通過AutoML的方法再重新實現，通過對比兩種實現方式來學習AutoML的應用。 首先數據集來自於競賽網站kaggle.com的UCI Wine Quality Dataset數據集，訪問地址：https ...

1.數據准備 樣本數據獲取忽略，實際上就是將32*32的圖片上數字格式化成一個向量，如下： 本demo所有樣本數據都是基於這種格式的 訓練數據：將圖片數據轉成1*1024的數組，作為一個訓練數據。 訓練數據集：https://github.com/zimuqi ...

一、概述 這次要解決的問題是輸入一張照片，輸出人物的顏值數據。 學習樣本來源於華南理工大學發布的SCUT-FBP5500數據集，數據集包括 5500 人，每人按顏值魅力打分，分值在 1 到 5 分之間。其中包括男性、女性、中國人、外國人四個分類 ...