MachineLearning
鸣一
这个作者很懒,什么都没留下…
展开
-
机器学习经典论文(转载)
Active LearningTwo Faces of Active Learning250, Dasgupta, 2011Active Learning Literature Survey63, Settles, 2010ApplicationsA Survey of Emerging Approaches to Spam Filtering5转载 2016-08-07 00:07:59 · 6107 阅读 · 0 评论 -
机器学习经典论文(转载)
Active LearningTwo Faces of Active Learning250, Dasgupta, 2011Active Learning Literature Survey63, Settles, 2010ApplicationsA Survey of Emerging Approaches to Spam Filtering58, Caruana, 2012Ambient Int转载 2016-08-07 00:06:30 · 1292 阅读 · 0 评论 -
对数学的新思考【3】
对数学的新思考3 【by Lin DaHua】代数:一个抽象的世界 关于抽象代数 回过头来,再说说另一个大家族——代数。如果说古典微积分是分析的入门,那么现代代数的入门点则是两个部分:线性代数(linear algebra)和基础的抽象代数(abstract algebra)——据说国内一些教材称之为近世代数。代数——名称上研究的似乎是数,在我看来,主要转载 2016-08-06 23:17:37 · 394 阅读 · 0 评论 -
对数学的新思考【2】
对数学的新思考【2】转 Dahua_Lin上面说到的实数理论,测度理论和勒贝格积分,构成了我们现在称为实分析 (Real Analysis)的数学分支,有些书也叫实变函数论。对于应用科学来说,实分析似乎没有古典微积分那么“实用”——很难直接基于它得到什么算法。而且, 它要解决的某些“难题”——比如处处不连续的函数,或者处处连续而处处不可微的函数——在工程师的眼中,并不现实。但是,我认为,它转载 2016-08-06 23:15:02 · 432 阅读 · 0 评论 -
数学在机器学习中的重要性
数学在机器学习中的重要性[by Dahua Lin]Linear Algebra (线性代数) 和 Statistics (统计学) 是最重要和不可缺少的。这代表了Machine Learning中最主流的两大类方法的基础。一种是以研究函数和变换为重点的代数方法,比如Dimension reduction,feature extraction,Kernel等,一种是以研究统计模型和转载 2016-08-06 23:00:20 · 4063 阅读 · 0 评论 -
对数学的新思考[1]
[转林达华blog] 在过去的一年中,我一直在数学的海洋中游荡,research进展不多,对于数学世界的阅历算是有了一些长进。为什么要深入数学的世界 作为计算机的学生,我没有任何企图要成为一个数学家。我学习数学的目的,是要 想爬上巨人的肩膀,希望站在更高的高度,能把我自己研究的东西看得更深广一些。说起来,我在刚来这个学校的时候,并没有预料到我将会有一个深入数学的旅 程。我的导师最初希望我去做的转载 2016-08-06 22:42:54 · 483 阅读 · 0 评论 -
scikit-learn 学习笔记
scikit-learn 学习笔记关于数据集dataset 1. 可以查看官网的描述 : http://scikit-learn.org/stable/datasets/index.html 2. 也可以 直接看source code.load_boston() #Load and return the boston house-prices dataset (regression).lo原创 2016-08-28 12:52:41 · 604 阅读 · 0 评论 -
scikit-learn digital write recognize
【笔记】调一下scikit-learn : 详细链接:http://xhrwang.me/2015/02/13/scikit_learn-tutorial.html下面的例子将演示如何使用 sklearn 库中提供的数字图片 dataset 来识别它们表示的实际数字, 且标记本人的一些学习心得。所需lib: matplotlib.pyplot & sklearn 数据源:sklearn.dat原创 2016-08-27 23:29:37 · 694 阅读 · 0 评论 -
图,谱,马尔可夫过程,聚类结构[by林达华]
题目中所说到的四个词语,都是Machine Learning以及相关领域中热门的研究课题。表面看属于不同的topic,实际上则是看待同一个问题的不同角度。不少文章论述了它们之间的一些联系,让大家看到了这个世界的奇妙。从图说起这里面,最简单的一个概念就是“图”(Graph),它用于表示事物之间的相互联系。每个图有一批节点(Node),每个节点表示一个对象,通过一些边(Edge)把转载 2016-08-06 11:17:17 · 757 阅读 · 0 评论 -
机器基石笔记摘要
机器基石笔记摘要机器基石034个基本模式 (在输出空间):Binary classify (二分类 ,是非题) Y={-1,+1}Multiple classify Y={1,2,3,…. , k}Regression Y=RStructured Learning: Sequence Tagging Problem (马尔可夫链) Y=st原创 2016-08-13 11:06:58 · 240 阅读 · 0 评论