当前标签: ML
ML.NET技术研究系列1-入门篇
近期团队在研究机器学习，希望通过机器学习实现补丁发布评估，系统异常检测。业务场景归纳一下： * 收集整理数据（发布相关的异常日志、告警数据），标识出补丁发布情况（成功、失败） * 选择一个机器学习的Model进行Train训练 * 基于训练出的模型（准确度要高）进行最新补丁发布情况预测 典型的机器学习-...
2019-06-23 10:37
阅读(429)
机器学习框架ML.NET学习笔记【9】自动学习
一、概述 本篇我们首先通过回归算法实现一个葡萄酒品质预测的程序，然后通过AutoML的方法再重新实现，通过对比两种实现方式来学习AutoML的应用。 首先数据集来自于竞赛网站kaggle.com的UCI Wine Quality Dataset数据集，访问地址：https://www.kaggle.com/c/...
2019-06-10 10:37
阅读(215)
机器学习框架ML.NET学习笔记【8】目标检测（采用YOLO2模型）
一、概述 本篇文章介绍通过YOLO模型进行目标识别的应用，原始代码来源于：https://github.com/dotnet/machinelearning-samples 实现的功能是输入一张图片，对图片中的目标进行识别，输出结果在图片中通过红色框线标记出来。如下： YOLO简介 YOLO（You...
2019-06-04 09:04
阅读(373)
机器学习框架ML.NET学习笔记【7】人物图片颜值判断
一、概述 这次要解决的问题是输入一张照片，输出人物的颜值数据。 学习样本来源于华南理工大学发布的SCUT-FBP5500数据集，数据集包括 5500 人，每人按颜值魅力打分，分值在 1 到 5 分之间。其中包括男性、女性、中国人、外国人四个分类。 SCUT-FBP5500_full.csv文件标记...
2019-05-31 14:45
阅读(368)
机器学习框架ML.NET学习笔记【6】TensorFlow图片分类
一、概述 通过之前两篇文章的学习，我们应该已经了解了多元分类的工作原理，图片的分类其流程和之前完全一致，其中最核心的问题就是特征的提取，只要完成特征提取，分类算法就很好处理了，具体流程如下： 之前介绍过，图片的特征是不能采用像素的灰度值的，这部分原理的台阶有点高，还好可以直接使用通过TensorFlow训...
2019-05-31 08:25
阅读(328)
机器学习框架ML.NET学习笔记【4】多元分类之手写数字识别
一、问题与解决方案 通过多元分类算法进行手写数字识别，手写数字的图片分辨率为8*8的灰度图片、已经预先进行过处理，读取了各像素点的灰度值，并进行了标记。 其中第0列是序号（不参与运算）、1-64列是像素值、65列是结果。 我们以64位像素值为特征进行多元分类，算法采用SDCA最大熵分类算法。 二、源...
2019-05-30 14:52
阅读(190)
机器学习框架ML.NET学习笔记【5】手写数字识别（续）
一、概述 上一篇文章我们利用ML.NET的多元分类算法实现了一个手写数字识别的例子，这个例子存在一个问题，就是输入的数据是预处理过的，很不直观，这次我们要直接通过图片来进行学习和判断。思路很简单，就是写一个自定义的数据处理通道，输入为文件名，输出为float数字，里面保存的是像素信息。 样本包括6万张训练图...
2019-05-30 14:52
阅读(195)
机器学习框架ML.NET学习笔记【5】多元分类之手写数字识别（续）
一、概述 上一篇文章我们利用ML.NET的多元分类算法实现了一个手写数字识别的例子，这个例子存在一个问题，就是输入的数据是预处理过的，很不直观，这次我们要直接通过图片来进行学习和判断。思路很简单，就是写一个自定义的数据处理通道，输入为文件名，输出为float数字，里面保存的是像素信息。 样本包括6万张训练图...
2019-05-30 14:52
阅读(237)