社区
机器视觉
帖子详情
谈谈矢量拟合和曲线拟合
cglee
2003-03-21 09:22:50
请谈谈矢量拟合和曲线拟合的概念,各自的优缺点
...全文
697
4
打赏
收藏
谈谈矢量拟合和曲线拟合
请谈谈矢量拟合和曲线拟合的概念,各自的优缺点
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
4 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
zzwu
2003-03-27
打赏
举报
回复
1. 如果我在纸上写了"一二三"三个汉字,用扫描仪扫入计算机成为一幅图像,再利用图像处理工具来获得这些字的数据(如链码).
这时,我们就说:要拟合的对象本身是矢量. 可用矢量拟合,来获得"一二三"三个汉字的6个矢量(直线段);
2. 如果我在纸上写了"2,8,6"三个阿拉伯数字,用扫描仪扫入计算机成为一幅图像,再利用图像处理工具来获得这些字的数据(如链码).
这时,我们就说:要拟合的对象本身是曲线. 要用曲线来拟合,来获得"2,8,6"三个阿拉伯数字的曲线描述.
cglee
2003-03-24
打赏
举报
回复
先解释一下定义吧,当我什么也不知道
zzwu
2003-03-21
打赏
举报
回复
最理想的,当然应该是:
本身是矢量,就用矢量拟合; 本身是曲线,就用曲线拟合.
曲线虽然也可以用矢量拟合(分段),如矢量字体那样,但放大后,就失真了.
cglee
2003-03-21
打赏
举报
回复
就是从概念上大致说一下。
什么时候用矢量拟合,什么时候用曲线拟合等
说得越多越详细,给分越多
机器学习-过
拟合
、正则化、稀疏性、交叉验证概述
在机器学习中,我们将模型在训练集上的误差称之为训练误差,又称之为经验误差,在新的数据集(比如测试集)上的误差称之为泛化误差,泛化误差也可以说是模型在总体样本上的误差。对于一个好的模型应该是经验误差约等于泛化误差,也就是经验误差要收敛于泛化误差,根据霍夫丁不等式可知经验误差在一定条件下是可以收敛于泛化误差的。 当机器学习模型对训练集学习的太好的时候(再学习数据集的通性的时候,也学习了数据集上的特性,这些特性是会影响模型在新的数据集上的表达能力的,也就是泛化能力),此时表现为经验误差很小,但往往此时的泛化
机器学习快速参考(一)
机器学习涉及开发和训练模型以预测未来的结果。本书是关于机器学习的实用指南,涵盖了所有相关的技巧和窍门。它包括关于模型选择、性能调整、训练神经网络、时间序列分析等多个主题的动手、易于获取的技术。本书针对那些不仅想理解机器学习算法背后的概念,还想了解其数学原理的读者量身定制。然而,我们试图在这两者之间找到一个平衡点。在本章中,我们研究了统计模型、学习曲线和
曲线
拟合
。我们还研究了 Leo Breiman 介绍的两个文化,它们描述了任何分析都需要数据。我们探讨了不同类型的训练、开发和测试数据,包括它们的大小。
机器学习基础总结
1、简要介绍SVM,如何调节惩罚因子、如何防止过
拟合
、手推SVM。 实际上只有“离群点”才有松弛变量与其对应。 松弛变量的值越大,离群点就越远。 惩罚因子C决定了你有多重视离群点带来的损失,当所有离群点的松弛变量的和一定时,C越大,对目标函数的损失也越大,此时就暗示着你非常不愿意放弃这些离群点。最极端的情况是你把C定为无限大,这样只要稍有一个点离群,目标函数的值马上变成无限大,马上让问题...
如何选择深度强化学习算法?MuZero/SAC/PPO/TD3/DDPG/DQN/等(2021-04)
高清图片见搜索图中的网址的加粗部分ElegantRL、LilianWeng、EwanLi 策略梯度 就能找到这里的「模型」指:状态转移模型。离散状态空间下的状态转移模型可以用 状态转移矩阵去描述。
TowardsDataScience 博客中文翻译 2016~2018(二百)
本帖跟随机器学习入门 2。我们将把机器学习应用于房屋销售评估。我们将把注意力转向房屋销售建模,让我们探索自定义目标。在机器学习中,我们将探索我们可以通过同一数据集的不同表示来定义的不同目标。这是数据科学家在处理每一个新的机器学习问题时必须做出的共同决定,在这篇文章中,我们探索了一些选项。此内容旨在介绍关于深度学习的第二次讲座,实现我们在许多情况下都需要的基于非回归的 ML 讨论。我骗了你。输出函数并不是逻辑回归不同于线性回归的唯一细节。关于如何实际训练模型,还有第二个区别。
机器视觉
4,499
社区成员
15,364
社区内容
发帖
与我相关
我的任务
机器视觉
图形图像/机器视觉
复制链接
扫一扫
分享
社区描述
图形图像/机器视觉
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章