机器学习
文章平均质量分 87
封不觉
爱生活,爱吐槽,爱絮絮叨叨
展开
-
凸优化(Convex Optimization)浅析
本文对凸优化进行了简单介绍,转载自凸优化(Convex Optimization)浅析——博客园kemaswill.对原作者的付出表示感谢.版权归原作者所有.转载 2015-04-18 11:56:09 · 11273 阅读 · 0 评论 -
Learning to Rank(LTR)
排序学习是在处理排序问题时采用机器学习方法来训练模型的方法。排序学习可以应用在信息检索、自然语言处理、数据挖掘等方面。本文对排序学习做了一个简单的介绍,对基本问题和已经存在的方法进行简单说明,并描述了一些基于SVM技术的排序学习方法。原创 2015-05-12 21:10:26 · 17481 阅读 · 1 评论 -
Ranking SVM 简介
Learning to Rank(简称LTR)用机器学习的思想来解决排序问题。Ranking SVM算法是PairWise方法的一种。本文简单介绍了Ranking SVM,并举例说明了下载使用的过程。原创 2015-05-16 11:30:56 · 26719 阅读 · 5 评论 -
PyBrain使用简介
PyBrain是Python的一个机器学习模块,它的目标是为机器学习任务提供灵活、易应、强大的机器学习算法。 PyBrain以神经网络为核心,所有的训练方法都以神经网络为一个实例。本文简单介绍了PyBrain的安装使用,以及模型的导入导出。原创 2015-06-11 11:43:34 · 16226 阅读 · 0 评论 -
数据标准化
特征缩放(Feature scaling)也称为数据的标准化(normalization),是将数据按比例缩放,使之落入一个特定区间。不同数据往往具有不同的量纲,会影响到数据分析的结果,为了消除数据之间的量纲影响,需要进行数据标准化处理,以解决数据指标之间的可比性。原始数据经过数据标准化处理后,各指标处于同一数量级,适合进行综合对比评价。原创 2015-06-13 17:07:53 · 7419 阅读 · 0 评论 -
Caffe+Win使用笔记
Caffe在Windows下配置使用的简单记录原创 2015-10-17 13:16:40 · 4236 阅读 · 0 评论 -
排序学习简介
译排序学习简介,翻译自李航老师的《A Short Introduction to Learning to Rank》翻译 2016-06-15 20:42:30 · 11030 阅读 · 10 评论 -
Ranklib部分源码分析
Ranklib部分源码分析(LambdaMART+RandomForest部分)原创 2016-06-15 20:56:37 · 6548 阅读 · 14 评论