![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 95
hinanmu
这个作者很懒,什么都没留下…
展开
-
机器学习里的ground truth
机器学习里的ground truth机器学习包括有监督学习(supervised learning),无监督学习(unsupervised learning),和半监督学习(semi-supervised learning).在有监督学习中,数据是有标注的,以(x, t)的形式出现,其中x是输入数据,t是标注.正确的t标注是ground truth, 错误的标记则不是。(也有人将所有标注数据都...转载 2018-11-23 11:19:05 · 807 阅读 · 0 评论 -
PRML第八章之图模型
文章目录PRML第八章之图模型贝叶斯⽹络PRML第八章之图模型参考马春鹏 《模式识别与机器学习》翻译使⽤概率分布的图形表⽰进⾏分析很有好处。这种概率分布的图形表⽰被称为概率图模型(probabilistic graphical models)。这些模型提供了⼏个有⽤的性质:它们提供了⼀种简单的⽅式将概率模型的结构可视化,可以⽤于设计新的模型通过观察图形,我们可以更深刻地认识模型的性...原创 2019-03-08 11:29:23 · 468 阅读 · 0 评论 -
PRML第七之稀疏核机
文章目录PRML第七之稀疏核机稀疏核机PRML第七之稀疏核机稀疏核机在前⼀章中,我们研究了许多基于⾮线性核的学习算法。这种算法的⼀个最⼤的局限性核函数k(xn, xm)必须对所有可能的训练点对xn和xm进⾏求值这在训练阶段的计算上是不可⾏的,并且会使得对新的数据点进⾏预测时也会花费过多的时间。本章中,我们会看到具有稀疏(sparse)解的基于核的算法,从⽽对新数据的预测只依赖于在训练...原创 2019-03-03 19:43:32 · 438 阅读 · 0 评论 -
CNN-RNN: A Unified Framework for Multi-label ImageClassification
文章目录CNN-RNN: A Unified Framework for Multi-label ImageClassificationCVPR 2016介绍方法LSTM模型推理CNN-RNN: A Unified Framework for Multi-label ImageClassificationCVPR 2016在本文中,我们利用递归神经网络(RNN)来解决标签依赖性。提出的CNN...翻译 2019-02-25 21:55:17 · 2506 阅读 · 6 评论 -
PRML第六章之核⽅法
文章目录核⽅法核⽅法原创 2019-03-01 14:44:55 · 2326 阅读 · 0 评论 -
PRML第五章之神经⽹络
文章目录神经网络前馈神经⽹络参考马春鹏 《模式识别与机器学习》翻译神经网络在第3章和第4章中,我们考虑了由固定基函数的线性组合构成的回归模型和分类模型。它们的实际应⽤被维数灾难问题限制了。⼀种⽅法是事先固定基函数的数量,但是允许基函数可调节。换句话说,就是使⽤参数形式的基函数,这些参数可以在训练阶段调节。在模式识别中,这种类型的最成功的模型时前馈神经⽹络,也被称为多层感知器(multi...原创 2019-02-25 15:42:08 · 2467 阅读 · 0 评论 -
Multi-Label Classification Using Conditional Dependency Networks
文章目录Multi-Label Classification Using Conditional Dependency Networks2011-IJCAI1 介绍2 依赖网络3 多标签分类模型3.1 条件依赖网络4 Gibbs采样用于近似推导结论Multi-Label Classification Using Conditional Dependency Networks2011-IJCAI...翻译 2019-02-19 21:38:27 · 440 阅读 · 0 评论 -
LIFT: Multi-Label Learning with Label-Specific Features
2015TPAMI-LIFT: Multi-Label Learning with Label-Specific Features目前存在问题由于每个类标签都应具有自己的特定特征,现有方法没有考虑到解决问题的途径聚类,提取每个标签所具有的特征解决方法对每个标签为1和-1的数据集x分别进行聚类,得到标签对应特征方法详细描述每个标签为1和-1的数据集x分别进行聚类,得到标签对应特征,...翻译 2019-02-28 15:48:29 · 1175 阅读 · 3 评论 -
典型关联分析(CCA)
文章目录典型关联分析(CCA)CCA概述CCA的算法思想CCA算法的SVD求解CCA算法的特征分解求解CCA算法流程CCA算法小结典型关联分析(CCA)转载来自 刘建平Pinardhttps://www.cnblogs.com/pinard/p/6288716.html典型关联分析(Canonical Correlation Analysis,以下简称CCA)是最常用的挖掘数据关联关系...转载 2018-12-03 19:56:46 · 3249 阅读 · 0 评论 -
多标签分类之Principle Label Space Transformation(PLST)
文章目录Multi-label Classification with Principle Label Space TransformationFarbound Tai Hsuan-Tien Lin 台湾大学2012 Neural Computation摘要介绍超立方体视图提出的方法线性标签空间转换原则标签空间转换Multi-label Classification with Principle...翻译 2018-11-30 22:20:27 · 1106 阅读 · 1 评论 -
奇异值分解Singular Value Decomposition(SVD)
文章目录奇异值分解回顾特征值和特征向量SVD的定义SVD的一些性质SVD用于PCA奇异值分解转自返回主页 刘建平Pinard的博客回顾特征值和特征向量首先特征值和特征向量的定义如下:Ax=λxA x = \lambda xAx=λx其中A是一个n×n的矩阵,x是一个n维向量,则我们说λ是矩阵A的一个特征值,而x是矩阵A的特征值λ所对应的特征向量。求出特征值和特征向量有什么好处呢?就是...转载 2018-11-30 21:48:12 · 451 阅读 · 0 评论 -
2014ICLR-Weighted Approximate Ranking (WARP)
文章目录Deep Convolutional Ranking for Multilabel Image Annotation2014 ICLR Google多标签几种损失成对排序损失加权近似排名(WARP)Deep Convolutional Ranking for Multilabel Image Annotation2014 ICLR Google多标签几种损失成对排序损失它直接对标...翻译 2019-03-23 15:06:52 · 555 阅读 · 4 评论