问题标签 [supervised-learning]

在我的进步工作中，我必须检测寄生虫。我用 HSV 发现了寄生虫，后来把它做成了灰色图像。现在我也做了边缘检测。我需要一些代码来告诉 MATLAB 找到最大的轮廓（寄生虫）并将该区域的其余部分设为黑色像素。

我正在研究机器学习中的感知器算法。到目前为止，我了解了关于感知器的以下内容

但是，如果感知器没有实现收敛，我无法理解权重向量会发生什么？算法是否不断
更新权重向量？

所以这个问题可能看起来有点愚蠢，但我无法理解它。测试数据的目的是什么？只是计算分类器的准确性吗？我正在使用朴素贝叶斯对推文进行情绪分析。一旦我使用训练数据训练了我的分类器，我就使用测试数据来计算分类器的准确性。如何使用测试数据来提高分类器的性能？

我有一个任务，我计划使用机器学习（特别是监督学习，例如决策树）。最终代码将在没有 scikit learn 或其他外部库的助教电脑上运行。

因此，我需要从头开始编写决策树分类器之类的东西，或者在本地使用外部库，并存储最终算法。

总结一下：当给定一组带标签的训练数据时，如何将最终算法存储在python代码中，以后不依赖外部库来运行最终算法？

例如，决策树可以分解为一系列 if/then 语句，我想生成这些 if/then 语句并存储它们，以便它可以在除了 python 之外没有安装任何东西的计算机上运行。

关于如何实现这一目标的最佳建议是什么。如果这是在错误的论坛，请告知。

我发现的是：
1. 朴素贝叶斯分类器
2. K 最近邻分类器
3. 决策树算法（C4.5，随机森林）
4. 核判别分析
5. 支持向量机

如果有的话，有人可以帮我解决剩下的算法吗？为了我的学术目的，我需要完整的监督 ML 分类算法列表。谢谢

我有一个有向加权图数据结构，其中节点 A 和节点 B 之间的权重表示从节点 A 到节点 B 的转换的次数。

数据结构的目的是识别节点之间的移动模式。

为此，每次转换的权重都会线性增加（请告诉我是否有更好的方法来增加它）

但是，如果用户偏离了他通常的行进路径，则必须分配对最可能路径的惩罚和对新采取的路径的强化，以便根据模式的变化快速调整权重。从而使系统更快速地进行自学习。

分配这种惩罚/强化的最佳方式是什么？我可以随机选择将重量减半/加倍，但这背后没有任何理由，听起来更像是一时兴起。

所以我来这里质疑监督人工神经网络背后的数学，我们根据错误率调整权重。为了计算误差率，我们使用均方根 (RMS)，但这与仅计算训练集的平均误差不是很相似。

我设计了一个微笑检测系统。该系统基于深度学习，由 MatConvnet 实现。最后一层是系统的输出，根据人的微笑量有10个输出。我想用回归层将这十个输出转换为 1 到 10 范围内的数字输出。我怎样才能在 MatConvNet 中做到这一点。谢谢

我有一个时间序列的点，即定期从某个 api 获取 x 和 y 坐标，我想弄清楚哪些点在查看它们的 x 和 y 坐标时实际上是一起移动的。有人可以给我一个关于这个问题的起点，我应该选择 KMeans 还是一些监督学习算法。

根据我的理解，远程监督是指定段落中的单个单词（通常是句子）试图传达的概念的过程。

例如，数据库维护结构化关系concerns( NLP, this sentence).

我们的远程监督系统将输入以下句子："This is a sentence about NLP."

基于这个句子，它将识别实体，因为作为预处理步骤，该句子将通过命名实体识别器NLP& this sentence。

由于我们的数据库有它NLP并且this sentence通过它的键相关联，concern(s)因此将输入句子识别为表达关系Concerns(NLP, this sentence)。

我的问题有两个：

1）那有什么用？是不是以后我们的系统可能会在“狂野”中看到一个句子，例如That sentence is about OPP并意识到它看到了与之前类似的东西，从而实现了新的关系，例如concerns(OPP, that sentence).，仅基于单词/单个标记？

2）是否考虑到句子的实际单词？例如，动词“是”和副词“关于”，意识到（通过 WordNet 或其他一些下位词系统）这在某种程度上类似于高阶概念“关注”？

有没有人有一些代码用于生成我可以查看的远程监督系统，即交​​叉引用 KB（如 Freebase）和语料库（如 NYTimes）并生成远程监督数据库的系统？我认为这将大大有助于澄清我对远程监督的概念。