MachineLearning
文章平均质量分 64
寂寞灵魂
这个作者很懒,什么都没留下…
展开
-
图像处理与机器视觉网络资源收罗——倾心大放送
前面我曾经发帖推荐过网上的一些做“图像处理和计算机视觉的”有料博客资源,原帖地址 图像处理与机器视觉网络资源收罗——倾心大放送 http://blog.csdn.net/baimafujinji/article/details/32332079 做机器学习和数据挖掘方面的研究和开发,常会在线搜索一些资源,日积月累便挖出了一堆比较牛的博主,特别说明:做这个方向的转载 2016-01-15 16:19:59 · 496 阅读 · 0 评论 -
机器学习课程 Neural Netword for Machine Learning笔记
chapter1Y=b+∑ni=0Wx Y = b + \sum_{i=0}^n Wx 举例:对于识别图片来说,训练的过程就是调整权重 W 的过程,调整 W 的过程是给特征信息大的像素点分配更高的权重、给特征信息小的像素点分配更低权重的过程。 非监督学习被机器学习界忽视了,它的两个作用是: 1、聚类 2、为输入数据提供一个紧凑的、低维的表达原创 2016-11-14 17:20:02 · 451 阅读 · 0 评论 -
深度学习资源总结
stanford的tutorial:http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B 使用python的tutotial:http://deeplearning.net/tutorial/contents.html 经典论文集: RNN:《Supervised Sequence Labelling原创 2016-10-17 15:20:12 · 361 阅读 · 0 评论 -
CNN反向传播公式推导
1.http://blog.csdn.net/lu597203933/article/details/46575871 2.http://www.cnblogs.com/tornadomeet/p/3468450.html 3.http://blog.csdn.net/zouxy09/article/details/9993371 4.Not转载 2016-10-16 18:53:56 · 1088 阅读 · 0 评论 -
装tensorflow未果
tensorflow装起来说着也容易。 1、下载一个Linux系统 2、装Python(如果不想用2的话) 3、装tensorflow 以下说的都是我的安装情形遇到的坑 我喜欢新版本,所以用的是Python3.5.2 相应的,tensorflow也是用的0.11.0rc2,cpu only 第一步的坑1.我起先用的是centos的livecd版本。livecd和dvd是有区原创 2016-11-06 17:12:53 · 537 阅读 · 0 评论 -
prml第一章笔记
一、举了个多项式拟合数据的例子 二、概率理论 三、模型选择:交叉验证 四、维度灾难 五、决策理论: 生成模型(利用联合概率)判别模型(利用条件概率)判别函数(比如crf实现里的特征函数) 三者的优缺点: 方法1是求联合概率,它需要大量的数据才能达到合理的精度。但是它对于检测模型中低概率的数据点很有用。 方法2是求条件概率。如果我们只想进行分类的决策,原创 2016-09-15 09:12:51 · 648 阅读 · 0 评论 -
共轭分布
对于应用贝叶斯理论的人来说,当你观察一个事件x,你预估计并给出其内部参数θ,表示你对于事件x发生的置信程度。 而内部参数的分布有时不能通过观察判断出。 共轭分布是一种极大简化贝叶斯分析的方法。其作用是,在贝叶斯公式包含多种概率分布的情况下,使这些分布的未知参数在试验前被赋予的物理意义,延续到试验后,便于分析。 我的理解是共轭分布是一个方法,用来近似模拟参数θ的分布,作为其先验概率。原创 2016-07-17 11:15:28 · 1692 阅读 · 0 评论 -
k-d Tree及其Java实现
本文内容基于An introductory tutoril on kd-trees 1.KDTree介绍 KDTree根据m维空间中的数据集D构建的二叉树,能加快常用于最近邻查找(在加快k-means算法中有应用)。 其节点具有如下属性(对应第5节中的程序实现): 非叶子节点(不存储数据): partitionDimention 用于分割的维度,取值范围为1,2转载 2016-07-15 17:36:05 · 2833 阅读 · 0 评论 -
机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
前言: 找工作时(IT行业),除了常见的软件开发以外,机器学习岗位也可以当作是一个选择,不少计算机方向的研究生都会接触这个,如果你的研究方向是机器学习/数据挖掘之类,且又对其非常感兴趣的话,可以考虑考虑该岗位,毕竟在机器智能没达到人类水平之前,机器学习可以作为一种重要手段,而随着科技的不断发展,相信这方面的人才需求也会越来越大。 纵观IT行业的招聘岗位,机器学习之类的岗位还是挺转载 2016-07-14 13:01:12 · 429 阅读 · 0 评论 -
独立成分分析(Indenpendent Components Analysis)斯坦福公开课讲义
1. 问题: 1、上节提到的PCA是一种数据降维的方法,但是只对符合高斯分布的样本点比较有效,那么对于其他分布的样本,有没有主元分解的方法呢? 2、经典的鸡尾酒宴会问题(cocktail party problem)。假设在party中有n个人,他们可以同时说话,我们也在房间中一些角落里共放置了n个声音接收器(Microphone)用来记录声音。宴会过后,我们从n个转载 2016-06-12 14:49:07 · 1708 阅读 · 2 评论 -
斯坦福公开课《机器学习》第五章SVM笔记
为函数间隔的定义 考虑训练样本里r hat的最小值,对应的是训练样本里函数间隔的最坏情形: 几何间隔: = r hat / || w || 最优间隔分类器的定义: 拉格朗日对偶性:略。 若要dual*=primary*=L(w*,原创 2016-05-08 09:41:32 · 1005 阅读 · 0 评论 -
poj3104
大体思路: 题意:烘干机,给出一堆衣服的水分a[i],在不加烘干机情况下自动每一分钟减少1水分,每分钟可以变改衣服(i)到烘干机中,每分钟减少k水分,求最少需要多少时间。 题解:第一时间就想到使用二分枚据答案+验证这种思路,不过这题还是有些陷阱需要注意。 1. 验证答案时,如果 a[i] <= mid,让它自然烘干即可 ; 如果a[i] > mid,那么烘干这件衣服可以分成两段时间:使用烘干机原创 2016-12-27 15:10:57 · 507 阅读 · 1 评论