2015年01月_蜗牛一步一步往上爬

12月 11月 10月 09月 03月 02月 01月

转载 HMM Hidden Markov Model

http://blog.csdn.net/likelet/article/details/7056068隐马尔可夫模型 (Hidden Markov Model，HMM) 最初由 L. E. Baum 和其它一些学者发表在一系列的统计学论文中，随后在语言识别，自然语言处理以及生物信息等领域体现了很大的价值。平时，经常能接触到涉及 HMM 的相关文章，一直没有仔细研究过，都是蜻蜓点水，因此，

2015-01-21 15:04:05 1078

转载任意分布随机数发生器

转自：http://blog.csdn.net/hlx371240/article/details/40213633如何利用给定的随机数发生器产生其他任意你想得到的随机数发生器。假定给定的随机数发生器是变量产生离散变量X服从某一分布（例如均匀分布，高斯分布等等），任意你想得到的随机数发生器满足分布Y，假设X和Y其概率密度分布函数分布为g(x),h(y)。假定用X随机数发生器产生Y随机数发生

2015-01-13 15:34:31 3050

原创文本处理中的两个分类问题和矩阵运算SVD

部分内容摘自吴军老师著《数学之美》，本文章主要详细说明一下其中的矩阵运算奇异值分解SVD的意义。刚刚学完矩阵分析，里面有讲到奇异值分解，我觉得讲得还不错，理解起来很简单。矩阵书籍参考Carl D. Meter的Matrix Analysis and Applied Linear Algebra。在引入吴军老师《数学之美》的内容之前，先来看看奇异值分解吧。首先来看看奇异值分解的一个实例。

2015-01-12 21:22:49 1850

转载 Matrix Factorization, Algorithms, Applications, and Avaliable packages

转自：http://blog.csdn.net/abcjennifer/article/details/30371615来源：http://www.cvchina.info/2011/09/05/matrix-factorization-jungle/美帝的有心人士收集了市面上的矩阵分解的几乎所有算法和应用，由于源地址在某神秘物质之外，特转载过来，源地址

2015-01-12 21:12:10 1200

转载 advice for applying machine learning:Deciding what to do next

转自：http://blog.csdn.net/abcjennifer/article/details/7797502本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向

2015-01-02 10:38:36 542