机器学习
文章平均质量分 93
魔峥
以前没有云笔记,写博客就是自己记笔记。
现在发现居然很多人会看。我得好好写了。
展开
-
机器学习读书笔记(集成学习Boosting方法)
你说这个A分类方法好,我说那个B分类方法好。干脆我们整合起来一起使用吧!!!(不是所有整合一定好,后面会介绍)有些人啊,就喜欢辩论。总坚持自己的分类器特别好,但事实上。你所谓的“好”仅仅是在你所接触的数据集上。在持续辩论达到白热化的时候,一个睡觉的傻子喊了一句话:"瞎吵吵什么?你们不会将这几个玩意整合在一起啊!!!"原创 2016-07-11 15:41:40 · 933 阅读 · 0 评论 -
机器学习读书笔记(高斯混合模型GMM与EM)(改)
高斯混合模型(Gaussian mixture model,GMM)是单一高斯概率密度函数的延伸。GMM能够平滑地近似任意形状的密度分布。欲了解高斯混合模型,那就先从基础的单一高斯概率密度函数讲起。(数学公式字体太难看了!!!!!!!)注意:这一一篇致力于详细阐述过程的文章,如果你懂,可以快速跳过。原创 2016-07-12 22:12:06 · 3970 阅读 · 0 评论 -
机器学习第二课:概率与统计的部分说明
极大似然估计,先验概率,后验概率;Beta函数原创 2016-09-03 22:29:35 · 731 阅读 · 0 评论 -
机器学习第六课:聚类
上一篇记载了高斯混合模型,这个模型在机器学习中的很多地方都会用到。既然大家对高斯混合模型这么熟了,我们就从这里开始讲起。聚类简介: 今天我们说聚类。说“机器学习”不说的“聚类”那还算是“机器学习”吗?原创 2016-07-28 11:00:01 · 1433 阅读 · 0 评论 -
机器学习第二课:无约束优化问题(局部极小值的几种解法)(梯度下降法与拟牛顿法)
上一篇讲了一些微积分的概括。(http://blog.csdn.net/dajiabudongdao/article/details/52397343)看似高深的无约束优化问题就是源于这些数学知识。# coding=utf-8import numpyimport theano原创 2016-12-10 22:38:43 · 4015 阅读 · 0 评论 -
机器学习第一课:微积分原理的多元扩展
由于本人加入系统学习机器学习课程,所以我从头整理知识点。这是总结课上的内容。内容主要来源于 大数据文摘原创 2016-09-01 11:01:35 · 1502 阅读 · 0 评论 -
机器学习第四课:SVM前置知识点(凸优化问题)
内容主要来源于 从凸优化到KKT原创 2016-09-07 20:36:25 · 5070 阅读 · 2 评论 -
机器学习第十课:支持向量机SVM(一)线性可分(硬间隔)SVM
SVM---硬间隔最大化数学原理。SVM三部曲之二原创 2016-09-26 09:19:12 · 4671 阅读 · 5 评论 -
【深度学习】卷积神经网络的实现与理解
本系列由斯坦福大学CS231n课后作业提供 CS231N - Assignment2 - Q4 - ConvNet on CIFAR-10问题描述:使用IPython Notebook(现版本为jupyter notebook,如果安装anaconda完整版会内置),在ConvolutionalNetworks.ipynb文件中,你将实现几个卷积神经网络中常用的新层。使用CIFAR-10...原创 2017-08-22 18:31:36 · 6723 阅读 · 0 评论