自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

Eric2016_Lv的博客

日常训练记录本

10月 08月 07月 06月 05月 04月 03月 02月 01月

原创机器学习小组知识点36：FCM聚类

Reference: https://home.deib.polimi.it/matteucc/Clustering/tutorial_html/cmeans.html

2017-03-27 20:24:33 922

原创机器学习小组知识点35：二分K-means聚类

常规的KMeans算法的误差通常只能收敛到局部最小，在此，引入一种称为二分K-Means（bisecting kmeans）的算法，相较于常规的KMeans，二分KMeans不急于一来就随机KK个聚类中心，而是首先把所有点归为一个簇，然后将该簇一分为二。计算各个所得簇的代价函数（即均方误差），选择误差最大的簇再进行划分（即最大程度地减少误差），重复该过程直至达到期望的簇数目。二分K-means算法的

2017-03-10 17:13:24 976

原创机器学习小组知识点34：K-means聚类

监督学习和非监督学习前情回顾：在聚类问题中，给定一个训练集，算法根据某种策略将训练集分成若干类。在监督式学习中，训练集中每一个数据都有一个标签，但是在如果分类问题中没有标签，我们可以将聚类算法称之为非监督式学习算法。这两种算法最大的区别还在于：监督式学习有标签，而非监督式学习没有标签。那么这里可以理解为标签实际上就是一种监督性质的分类，而无标签根据分布性质，那么我们称之为聚类。感兴趣同学可以查阅半监

2017-03-10 16:30:36 760

机器学习实战决策树展示

改文档描述了机器学习中的决策树相关细节，包括数据集描述以及算法描述和结果展示

2018-11-11

凸优化Lecture1

改文档为第一次讨论班内容，其中包含凸集，凸函数以及凸优化问题的概念

2018-11-11

GANs演讲报告

本资料为ppt，整理了最近相关的GANs的文章摘要和主要思想。

2018-05-10

多元高斯分布的边际分布与条件分布

MCMC算法--Gibbs采样2：多元高斯分布的边际分布与条件分布

2018-03-30

Inverse and determinant of partitioned symmetric matrix

MCMC算法之Gibbs采样1：分块对称阵的逆和行列式。pdf格式

2018-03-30

机器学习知识点18：伽马分布（Gamma Distribution）

gamma分布

2016-11-23

机器学习小组知识点19：贝塔分布（Beta Distribution）

Beta分布

2016-11-23

机器学习小组知识点18：伽马分布（Gamma Distribution）

2016-11-23

5批量梯度下降和随机梯度下降阐述和比较

机器学习 SGD BGD 批量梯度下降随机梯度下降

2016-10-21

机器学习小组知识点4：批量梯度下降算法(BGD)

机器学习；梯度下降；批量梯度下降；BGD；

2016-10-18

机器学习小组知识点2：最小均方算法(LMS)

机器学习;最小均方误差算法LMS;随机梯度;梯度下降;有监督学习;线性回归;正规方程与梯度下降的比较;正规方程

2016-10-16

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示

确定要删除当前文章？

取消删除