OpenCV预训练分类器相关XML合集，共17个XML文件。 OpenCV包含很多预训练分类器，可用于人脸、眼睛、笑容等的检测。 相关教程可以参考：https://pythonprogramming.net/loading-video-python-opencv-tutorial/

TextRecommended TF-IDF SVM文本分类实现 实现了三个分词接口 IK Jeseg Stanford 还是觉得Jeseg最好，自定义的空间也大 特征选取是用CHI2 语料库是搜狗

资源包括：论文，代码以及数据！【均为原创】 实现多种对Cifar-10数据集的分类器，并比较其算法精度。要求基于PyTorch设计并实现以下三种分类器，并利用Cifar-10的测试集评估各分类器的性能：线性回归分类器；全连接人工神经网络分类器；卷积神经网络分类器。后两种分类器的超参数由自由选择，不要雷同。报告要求如下： 问题定义：Cifar-10数据集和分类问题的定义，对求解问题进行建模。 算法设计：介绍三种分类器的设计细节。 实验结果：对三种分类器的性能，以及超参数的选择进行评估。 字数要求：不少于2500字（不得包含任何程序代码）

CS231N-2022第一次作业: kNN图像分类器实现

利用opencv自带harr分类器训练的人脸识别分类器，准确率还不错。

为实现面向大规模服装图像集的图像快速精准检索，突破当前常规检索方法的局限性，本文提出了一个新的深度学习模型：Fashion-16服装图像检索模型.采用先分类再类内检索的思想，基于VGG-16模型强大的图像特征提取能力，以卷积神经网络softmax分类器进行分类，对同一类别下采用局部敏感哈希的思想进行近似最近邻的查找，实现了针对服装类别属性的图像检索模型修正.实验结果表明，模型具有良好的稳定性、精确率及检索速度，有其实用价值与研究意义.

基于OpenCV新版本3.1.0详细讲述了HAAR与LBP级联分类器的基本原理与使用技巧，通过视频中人脸实时检测与眼睛跟踪例子演示了级联分类器在项目中的运用。通过OpenCV自带的训练工具实现样本数据训练生成自己的级联分类器文件，使用它实现自定义对象检测。

【课程简介】 本课程适合所有需要学习机器学习技术的同学，课件内容制作精细，由浅入深，适合入门或进行知识回顾。 本章为该课程的其中一个章节，如有需要可下载全部课程 全套资源下载地址：https://download.csdn.net/download/qq_27595745/85252312 【全部课程列表】 第1章 机器学习和统计学习 共75页.pptx 第2和12章 感知机和统计学习方法总结 共27页.pptx 第3章 k-近邻算法 共69页.pptx 第4章 贝叶斯分类器 共79页.pptx 第5章 决策树 共98页.pptx 第6章 Logistic回归 共75页.pptx 第7章 SVM及核函数 共159页.pptx 第8章 adaboost 共75页.pptx 第9章 EM算法 共48页.pptx 第10章 隐马尔科夫模型 共64页.pptx 第11章 条件随机场 共63页.pptx 第13章 无监督学习概论 共27页.pptx 第14章 聚类方法 共52页.pptx 第15章 奇异值分解 共66页.pptx 第16章 主成分分析 共67页.pptx 第17章 潜在语义

实现了高斯、多项式、伯努利三种朴素贝叶斯模型，能够处理离散型数据和连续型数据，并提供预测结果概率。对于像鸢尾花这类的连续型数据可以直接采用MyGaussianNB预测。离散型数据采用MyMultinomialNB预测。离散型数据，且特征值只有0,1两种取值情况的采用MyBernoulliNB预测。三种模型都可以通过score方法评估模型准确率，都可以通过predict_proba方法输出预测结果概率。 此外，为了优化和改进模型，使MyMultinomialNB和MyBernoulliNB能够预测连续型数据，还实现了基于numpy和pandas的分箱函数MyDiscretizer以及二值化函数MyBinarizer。

LDA源代码，可读性强，层次清楚，健壮性好。