基于逻辑回归的皮肤分割。

应用背景皮肤分割=================皮肤分割使用逻辑回归；这些例子被列举为皮肤类型或非皮肤类型数据集信息：皮肤是由随机抽样数据收集B，G，从不同年龄组的人脸图像的R值（小，中，老），种族（白人，黑人，和亚洲），和性别从FERET和PAL数据库。总学习样本量为245057，其中50859为皮肤样本，194198为非皮肤样本。彩色FERET图像数据库：[链接]，PAL人脸数据库从生产性老龄化实验室，达拉斯德克萨斯大学：[链接]。 ；属性信息：这个数据集的尺寸为245057×4，前三列是B，G，R（x1，x2，x3，特点）值和第四列为类标签（决策变量Y）。关键技术使用：运行的源文件skin_segmentation。我用matlab或音阶。改变输入测试数据修正值in.txt。它由四个列组成，其中第一列为1，其余的则分别对应于乙、克和。一旦你跑，训练后的算法计算0和1的像素被皮肤的概率之间的概率。即P（y = 1 | B，G，R）Logistic回归模型进行数据集。训练集的精度不正规化：91.89与正规化训练集的准确性（正则化参数λ= 0.5）：91.92工具书类Rajen Bhatt，阿比纳夫Dhall，皮肤分割数据集，UCI机器学习库机器学习由安得烈Ng在Coursera

Skin-Segmentation-master
.DS_Store
README.md
README.md~
costFunction.m
costFunction.m~
data.txt
in.txt
predict.m
sigmoid.m
skin_segmentation.m
skin_segmentation.m~