- 博客(16)
- 收藏
- 关注
原创 CS229课程笔记12:EM算法及混合高斯的应用
Ng此部分先介绍了EM算法的步骤,然后证明了其一致递增性(收敛性),最后给出了应用于混合高斯的例子。机器学习的一种任务是求取某个显示变量xx的概率分布P(x;θ)P(x;\theta),但是鉴于P(x)P(x)不属于常见的易于表示的(例如指数型的变形)概率分布,无法通过简易的最大log-likelihood的方式求取。一种方式就是假设存在某种隐变量zz,P(x,z;θ)P(x,z;\theta)可以
2017-12-23 16:34:46 893 1
原创 ESL读书笔记14章:无监督学习之SOM,PCA,NMF,FA,ICA,MDS,ISOMAP,Local MDS
笔者自己的理解,无监督学习是挖掘数据自身的分布,找出一种低维的具有代表性或者某种性质的子空间(流形)。SOM是一种加约束的k-means,既可以看做是寻找具有代表性的特征点,也可以看做是寻找具有代表性的二维流形曲面。PCA是非常经典的最小化投影误差的子空间,也可以看做最大化投影方差的子空间。NMF则是基于假设最大化似然的同时,限制基向量非负。FA也是寻找某种子空间,目的是得到uncorrelated
2017-12-31 18:09:23 2680
原创 numpy交换ndarray的两个维度
https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.swapaxes.html np.swapaxes(data,axis1,axis2)
2017-12-27 21:24:12 16106
原创 MIT18.06线性代数课程笔记21:特征向量、特征值简介、求法与性质
课程简介18.06是Gilbert Strang教授在MIT开的线性代数公开课,课程视频以及相关资料请见https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/index.htm。课程笔记1. 特征值与特征向量的定义若Ax=λxAx=\lambda x成立,则称λ\lambda为特征值,xx为特征向量。对于某一
2017-12-27 20:44:54 655
原创 MIT18.06线性代数课程笔记20:矩阵逆元计算、克里默法则 以及 行列式与volume、外积的关系
利用代数余子式计算方阵的逆元,进而求解Ax=bAx=b,最后简要阐述了行列式与volume的关系,并对外积做了简要介绍。
2017-12-25 16:52:31 2336
原创 MIT18.06线性代数课程笔记19:矩阵行列式公式与代数余子式
课程简介18.06是Gilbert Strang教授在MIT开的线性代数公开课,课程视频以及相关资料请见https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/index.htm。课程笔记基于 MIT18.06线性代数课程笔记18:矩阵行列式的性质 中三个基础性质推出的矩阵行列式公式。然后介绍了利用代数余子式从
2017-12-24 15:22:09 2169
原创 CS229课程笔记13:Factor Analysis简介
Ng将FA作为EM算法隐变量是连续变量的例子进行介绍,讲了很多公式推导的过程;笔者仅介绍其原理以及构造。若我们假设数据是高斯分布N(μ,Σ)N(\mu,\Sigma),利用最大似然法(maximum likelihood)得到的估计值为 μ^=1m∑i=1mxiΣ^=1m∑i=1m(xi−μ^)(xi−μ^)T\hat \mu = \frac 1 m \sum_{i=1}^mx_i\\\hat
2017-12-24 14:23:35 721
原创 CS229课程笔记9:分类问题的Bias-Variance分解,经验风险最小化
基于least square的bias-variance分解十分常见 E(y^−y)2=E(y^−Eτy^+Eτy^−y)2=E(y^−Eτy^)2+E(y−Eτy^)2=Var(y^)+Bias2(y^,y)E(\hat y-y)^2 = E(\hat y-E_\tau\hat y+E_\tau\hat y-y)^2=E(\hat y - E_\tau\hat y)^2+E(y-E_\tau\h
2017-12-22 16:28:36 602
原创 numpy ndarray初始化
使用list初始化ndarray,应该使用numpy.array 函数。 注意不是使用numpy.ndarray函数,ndarray调用的初始化函数的第一个参数是shape,所以会生成list指定大小的ndarray,而不是以其作为初始值。
2017-12-20 20:54:17 6405
原创 MIT18.06线性代数课程笔记18:矩阵行列式的性质
行列式是从矩阵中计算得到的一个标量。矩阵和行列式之间必然是多对一的关系,行列式不能完全代表矩阵,但其中蕴含着很多矩阵性质相关的信息。本节首先定义了矩阵行列式应该有的三个性质,然后从这三个性质推出了其他七个性质。
2017-12-08 20:49:03 9000 1
翻译 python通过string运行代码
笔者将不同的模型写到了不同的python文件里,但是所有的模型公用同一个调参函数,通过import myModel as model控制当前运行的模型类型。所以就需要对于不同的输入参数执行不同的import函数,这里就直接使用exec(string)
2017-12-07 23:50:06 1269
翻译 python的参数管理包
python里对参数输入的管理包:argparse。 详情请参考:https://docs.python.org/3.3/library/argparse.html 简单使用方法如下: 首先生成一个参数管理的句柄import argparseparser = argparse.ArgumentParser(description='Describe your program')这里可以通过pr
2017-12-07 23:42:42 1462
翻译 python运行shell command
想要手动实现简易的多线程,又想使用python里面的argument包,所以就在python里面调用python函数。 简单传统的办法就是import osos.system('python3 main.py')还有一个更安全,接口更多的包subprocess,笔者就没有研究了。
2017-12-07 23:19:59 2981
转载 GIT删除子模组
转载自 http://www.worldhello.net/2010/01/26/425.htmlgit rm --cache submodule_name
2017-12-07 16:28:54 3164 1
原创 MIT18.06线性代数课程笔记17:正交标准矩阵
课程简介18.06是Gilbert Strang教授在MIT开的线性代数公开课,课程视频以及相关资料请见https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/index.htm。课程笔记先给出正交标准矩阵的定义,然后讨论其性质,最后给出一个构造正交标准矩阵的方法。1. 正交标准矩阵 Orthonormal M
2017-12-05 21:54:16 772
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人