WangW

Always On The Way

机器学习类型以及计算机视觉任务总结

按学习方式分类 监督学习(Supervised Learning) 常用于分类问题和回归问题 无监督学习(Unsupervised Learning) 常用于关联、聚类、密度估计(density estimatiion)以及异常检测 半监督学习(Semi-Supervised Learning) 一般是监督学习算法的延伸,也常用于分类问题和回归问题。主要有五类: 基于概率的算法 在现有监督算法基础作假设的方法 直接依赖于聚类假设的方法 基于多视图的方法 基于图的方法 增强学习(Reinforcement Learning) 通常知识是隐含的,无法直接表示什么是正确的。学习的方法是通过“惩罚”不好的结果,“奖励”好的结果来优化学习效果。常用的算法包括:Q-learning以及时间差学习(Temporal diffenrence learning)

在ubuntu下opensldie的安装,更新以及卸载问题

首发在WangW Blog 引出问题 在处理whole slide images时,出现Slide/Mask dimension does not match , X_slide / X_mask : 98304 / 1536, Y_slide / Y_mask : 103936 / 2048的问题。

基本统计方法概论总结

本文主要参考:《统计学习方法》– 李航 具体统计方法学习–链接(updating) 感知机 k 近邻法 朴素贝叶斯法 决策树 逻辑斯谛回归与最大熵模型 支持向量机 提升方法 EM算法 隐马尔可夫模型 条件随机场

全视野数字切片(whole slide images, WSIs)的预处理

update: 2019-4-10 系统化梳理以及增加详细内容 希望有深度学习、机器学习以及医学图像处理相关领域的老师、同学进行指导! 个人博客:WangW Blog 首发于CSDN

Python提取网站数据基本教程

1. 解析网址例子 使用urllib.parse模块来解析网址 1 2 3 4 5 6 7 from urllib.parse import urlparse uc = urlparse('http://blog.sina.com.cn/s/blog_4e345ca90102wm9v.html?tj=fina') print(uc) print(uc.netloc) # result # ParseResult(scheme='http', netloc='blog.sina.com.cn', path='/s/blog_4e345ca90102wm9v.html', params='', query='tj=fina', fragment='') # blog.sina.com.cn

Markdown语法手册(标准版)

1. 斜体和粗体 1 2 3 4 *斜体*或者_斜体_ **粗体** ***加粗斜体*** ~~删除线~~ 斜体 或者 斜体 粗体 加粗斜体 删除线