- 博客(5)
- 收藏
- 关注
RSS订阅原创 读书笔记
把平时看到的一些概括性，总结性的内容纪录下来，不要懒经典教材：模式识别最大似然估计器可以说是当先验概率 为均匀分布时的MAP估计器MAP估计器的缺点在于，如果我们对参数空间做某些任意的非线性变换，例如进行一个旋转，那么概率密度 就会发生变化，这时候的MPA估计结果就不再有效了(Chapter3, P70)如果数据样本的各种特征都是完整的，那么可以直接运用最大似然估计来求使
2013-04-27 00:59:22
923
原创 通过源码学算法--AdaBoost (CART) -- do_learn_nu.m
如前所述，通过传进来的空节点（已经设置最大层数为3）构造初始左右节点如果不是构造根节点，都要指定父节点papa（为神马没有mama ）父节点其实很关键，尤其在calc_output的时候，其实是先让祖先分类，分剩下的才轮到子孙继续划分tree_node_left = tree_node;tree_node_right = tree_node;if(nargin > 4)
2013-04-06 03:58:02
1416
2
原创 通过源码学算法--AdaBoost (CART) -- train.m
train.m第一步，划分根节点root对输入的数据（特征集，分类标签，权重）用CART算法进行划分，得到左右子节点。传入的node已经设定最大层数为3，所以很快就结束，没有CART通常包含的pruning, optimal selection 及 cross-validation 等步骤注意：这个Matlab包里所有的传入node都只是用来传递一个空的tree_node节点，
2013-04-02 06:58:54
1519
原创 通过源码学算法--AdaBoost (CART) -- Example_1.m
Ionosphere.txt中的数据是351x35，每一行代表一个采样数据，总共351个采样。 数据空间是34维（最后一列是该采样所属类别），所以下面要转置一下% Step1: reading Data from the filefile_data = load('Ionosphere.txt');Data = file_data(:,1:end-1)';Labels = file_
2013-04-02 06:25:52
1119
原创 鸡毛蒜皮集锦
打算纪录一下各种鸡毛蒜皮的小错误，过段时间回头看看有没有用1. MAC篇MAC OX 10.8.2 ML, Xcode Xcode 4.5.1 (Build version 4G1004)1.1 undefined symbols for architecture x86_64: "_omp_get_thread_num", referenced from:....Sol
2013-04-01 19:23:26
3711
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