Tremendous_ED的博客

原创 阅读笔记：《计算机视觉：算法与应用》（2）——图像形成

原创 阅读笔记：《计算机视觉：算法与应用》（1）——概述

原创 支持向量机——SVM原理阐述

自己总结的SVM原理阐述。用word写的转markdown太费力了，直接截图啦。主要参考了周志华老师的《机器学习》书籍以及吴恩达老师的“机器学习”课程。

原创 阅读笔记：《机器学习》西瓜书（10）——降维与度量学习

降维与度量学习k近邻学习低维嵌入MDS算法主成分分析核化线性降维KPCA流形学习等度量映射局部线性嵌入度量学习降维是一种常用的数据预处理方法。由于降维事实上是高维空间在低维空间上的投影，一般情况下可以使用线性映射做到这一点。而线性映射又可以用矩阵进行表示，本章也出现了大量的线性代数相关的概念和公式，包括特征值、特征向量、对角化、正交变换、迹等等。理解这些概念的定义和实际意义对本章的学习有很大的好处。这里推荐学习李宏毅老师线性代数课程的相关章节。k近邻学习k近邻学习（简称kNN）是一种常用的监督学习方法

原创 阅读笔记：《机器学习》西瓜书（9）——聚类

聚类聚类任务聚类任务在无监督学习中，由于训练样本并没有标签，一般使用聚类来揭示训练样本数据中的内在规律，为进一步的数据分析提供基础。聚类试图将训练样本在属性空间（特征空间、样本空间）中划分出若干个通常不相交的子集...

原创 阅读笔记：《机器学习》西瓜书（8）——集成学习

集成学习一级目录二级目录三级目录一级目录二级目录三级目录

原创 阅读笔记：《机器学习》西瓜书（7）——贝叶斯分类

阅读笔记：《机器学习》西瓜书（7）@TOC贝叶斯分类贝叶斯公式最核心的概念来源于贝叶斯公式，即对于随机事件A和B：P(Ai∣B)=P(B∣Ai)P(Ai)∑jP(B∣Aj)P(Aj)P(A_i|B)=\frac{P(B|A_i)P(A_i)}{\sum_j{P(B|A_j)P(A_j)}}P(Ai​∣B)=∑j​P(B∣Aj​)P(Aj​)P(B∣Ai​)P(Ai​)​因此，在知道了先验概率P(Ai)P(A_i)P(Ai​)和传递概率P(B∣Ai)P(B|A_i)P(B∣Ai​)后，可以求得后验

原创 CSAPP:BombLab(深入了解计算机系统配套实验)

CSAPP:BombLabCSAPP:BombLab实验原理实验过程phase 1phase 2phase 3phase 4phase 5phase 6secret phaseCSAPP:BombLab新手小白，第一次写博客，算是记录一下做的一些有意思的东西，分享给大家。有一些理解不够深刻，甚至出错的地方，还请大家见谅，并帮我指正，谢谢！这是一个《深入了解计算机系统》教学的配套实验，肝了一个...