- 博客(10)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 从DBSCAN算法谈谈聚类算法
DBSCAN算法此篇博文尝试讲清楚"物以类聚，人以群分"这个概念，DBSCAN算法中两个参数的实际物理含义，以及它背后所做的基本假设，由于这方面资料不多，因此都属于个人的猜想，不代表发明DBSCAN算法作者本身的想法，且这也是我正式学习聚类算法中的第一个算法，由于知识的局限性，如有不当，请指正。
2016-11-29 08:43:23
25907
6
原创 决策树之剪枝原理与CART算法
决策树学习笔记（二）继续关于决策树的内容，本篇文章主要学习了决策树的剪枝理论和基于二叉树的CART算法。主要内容：1.理解决策树损失函数的定义以及物理含义2.基尼指数的主要两个作用3.理解CART剪枝原理，以及它的基本假设和核心思想
2016-11-24 22:10:01
39625
29
原创 决策树之理解ID3算法和C4.5算法
决策树学习笔记（一）前言决策树本身没有太多高深的数学方法，它依托于信息论的一些知识以及在数据结构中所学的树形结构。书中阐述的相当清楚明白，可是当我看完这些章节时，却始终无法得知决策树构建的思路，即决策树方法本身的诞生历程是什么？发明算法的作者是如何一步步构建，联想，解决数据分类问题的呢？因此，本文重点还是尝试去理解作者是如何一步步构建决策树，希望能够通过对关键问题进行抽象建模从而找到决...
2016-11-18 08:07:32
29607
7
原创 朴素贝叶斯法学习笔记
朴素贝叶斯法学习笔记前言最近开始学习《统计学习方法》中的朴素贝叶斯，朴素贝叶斯是在贝叶斯的基础上为了简化问题而做出的一种朴素假设。因此，想要理解朴素二字的含义必须先明白什么是贝叶斯。在看了两篇博文和书中的章节后，对贝叶斯产生了一种发自内心的敬仰之心，它的思想无处不在，一时半会是很难hold住这背后的贝叶斯哲学。参考的两篇博文为数学之美番外篇：平凡而又神奇的贝叶斯方法及算法杂货铺——分类
2016-11-16 19:52:53
2609
原创 K近邻法学习笔记
K近邻法学习笔记k近邻法是一种基本分类与回归方法。但个人并不把它列入到机器学习中的学习算法，它本身并没有对数据进行理论建模的过程，而是根据现有的数据在n维空间的分布，来确定预测点的归属。这就好比，在现实世界的维度中，经常游走于男厕所的我们归为男性，而经常在女厕所出没的人我们归为女性或者是变态。
2016-11-15 17:53:47
3688
原创 算法细节系列（1）：Java swap
算法细节系列（2）：Java swap在Cpp中，swap算法可以用指针来实现，因此在Java中，如果采用如下代码来对两个数字进行交换时，也不会影响两个对象的值。
2016-11-13 13:36:05
2692
原创 EM算法及其推广学习笔记
EM算法及其推广学习笔记前言在学习隐马尔科夫模型时，在学习算法中指出了Baum-Welch算法，来实现对隐马尔科夫模型参数的求解。在该学习算法中用到了EM算法，因此我们先来看看EM算法到底是何方神圣。可自己在学习EM算法时，又遇到了一个坑，什么是极大似然函数？因此，本文先介绍极大似然函数的相关概念，然后再对EM算法进行物理映射和实际数学推导。本文需要大量概率论知识，在数学推导关键处会贴
2016-11-07 22:20:51
11154
5
原创 隐马尔可夫模型之Baum-Welch算法详解
隐马尔可夫模型之Baum-Welch算法详解在上篇博文中，我们学习了隐马尔可夫模型的概率计算问题和预测问题，但正当要准备理解学习问题时，发现学习问题中需要EM算法的相关知识，因此，上一周转而学习了EM算法和极大似然估计，对隐藏变量的求解有了一些自己的理解，现在我们继续回过头来学习隐马尔可夫模型的学习问题。
2016-11-05 18:03:12
70490
39
原创 隐马尔可夫学习笔记（一）
隐马尔可夫模型学习笔记（一）前言学习隐马尔可夫模型时，最大的困难便是一堆公式与实际问题对应不上号。原因可能还是在于对概率论的理解太表面，且隐马尔可夫模型考虑了时间因素，显然这样的随机过程一时半会是难以形象的理解的。因此，本文采用先举例，后定义公式的方式来学习隐马尔可夫模型。思考隐马尔可夫模型当然，我们还是首先需要知道隐马尔可夫模型（HMM）在统计学习中的地位和应用。参考书本
2016-11-02 20:53:44
20289
6
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人