mnist训练集，png格式图片，60000张图片。
图片放在0~9文件夹下，对应是图片的mark。
图片放在0~9文件夹下，对应是图片的mark。
2024/9/24 18:24:18
49.83MB
1
里面包括肝脏分割数据集和整个工程所有文件，下载完之后直接运行就好，工程文件包括model.py,train.py和predict.py三个文件，数据集中训练集一共有400张肝脏图片及对应分割模板，验证集一共有20张肝脏图片及对应分割模板
2024/9/19 12:54:13
173.64MB
1
决策树ID3算法matlab源代码片段function[TreeRulesMatrix]=DecisionTree(DataSet,AttributName)%输入为训练集，为离散后的数字，如记录1：11321；
%前面为属性列，最后一列为类标ifnargin＜1error('请输入数据集');elseifisstr(DataSet)[DataSetAttributValue]=readdata2(DataSet);elseAttributValue=[];end
%前面为属性列，最后一列为类标ifnargin＜1error('请输入数据集');elseifisstr(DataSet)[DataSetAttributValue]=readdata2(DataSet);elseAttributValue=[];end
2024/9/13 9:14:03
44KB
1
研究深度学习和卷积神经网络的同学都知道Mnist这个数据库，它是一个手写数字的图像数据集，可以用来作为网络训练的基准测试数据库。
原版数据集是以特定格式存储的四个文件，包括乱序排列的60000个训练样本与10000个测试样本，以及它们对应的标签向量。
现将其中的图片从原文件中读取出来，重新转化为png格式，并将测试集和训练集分别按0~9进行分类，并存放在各自的子文件夹中，以便各位同学进行科研与实验之用。
原数据集下载地址为：http://yann.lecun.com/exdb/mnist/
原版数据集是以特定格式存储的四个文件，包括乱序排列的60000个训练样本与10000个测试样本，以及它们对应的标签向量。
现将其中的图片从原文件中读取出来，重新转化为png格式，并将测试集和训练集分别按0~9进行分类，并存放在各自的子文件夹中，以便各位同学进行科研与实验之用。
原数据集下载地址为：http://yann.lecun.com/exdb/mnist/
2024/9/8 13:11:22
22.3MB
1
水果识别所需的训练样本集以及所生成的XML文件，其中训练样本集，已经经过归一化处理之后的图片集，可以直接拿过来使用。
2024/9/7 20:02:38
15.26MB
1
文章仅包含部分从事该行业必须具备的数学知识，里面内容以数学原理性为主。
如统计学习部分关于模型选择，介绍了泛化能力，过拟合、欠拟合，偏差方差，参数估计准则，泛化能力评估，训练集、测试集、验证集等设计规范，性能度量，超参数调节等知识介绍。
注意本文只是个人的学习总结，请勿以此作为规范。
如统计学习部分关于模型选择，介绍了泛化能力，过拟合、欠拟合，偏差方差，参数估计准则，泛化能力评估，训练集、测试集、验证集等设计规范，性能度量，超参数调节等知识介绍。
注意本文只是个人的学习总结，请勿以此作为规范。
2024/8/20 12:33:39
42.13MB
1
基于最小错误率的贝叶斯手写数字分类器，包括注释，很详尽，是自己按照定义写的，训练集和测试集是用的mnist数据集，最终正确率为73.89%
2024/8/5 19:45:27
294KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB