![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Machine Learning
文章平均质量分 53
Hi_Panda_CRL
这个作者很懒,什么都没留下…
展开
-
机器学习:ID3算法
1 简介 决策树学习是一种逼近离散值目标函数的方法,在这种学习到的函数被表示为一棵决策树。2 决策树表示 决策树通过把实例从根节点排列到某个叶子结点来分类实例,叶子结点即为实例所属的分类。树上的每一个结点指定了对实例的某个属性的测试,并且该结点的每一个后续分支对应于该属性的一个可能值。分类实例的方法是从这棵树的根节点开始,测试这个结点指定的属性,然后按照给定实转载 2015-11-11 20:15:13 · 918 阅读 · 0 评论 -
最小二乘法和极大似然法的区别与联系
对于最小二乘法,当从模型总体随机抽取n组样本观测值后,最合理的参数估计量应该使得模型能最好地拟合样本数据,也就是估计值和观测值之差的平方和最小。 而对于最大似然法,当从模型总体随机抽取n组样本观测值后,最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。 显然,这是从不同原理出发的两种参数估计方法。 在最大似然法中,通过选择参数,使转载 2016-05-16 16:03:34 · 7430 阅读 · 0 评论 -
计算机视觉,机器学习方面的论文和算法代码
最近一次更新:2013-1-29一、特征提取Feature Extraction: SIFT [1] [Demo program][SIFT Library] [VLFeat] PCA-SIFT [2] [Project] Affine-SIFT [3] [Project] SURF [4] [OpenSURF] [Matlab Wr转载 2016-03-01 07:31:41 · 850 阅读 · 0 评论 -
Matlab install on ubuntu
https://help.ubuntu.com/community/MATLAB原创 2016-01-06 18:56:44 · 405 阅读 · 0 评论 -
ML&DL&CV知名期刊会议
机器学习顶级会议:NIPS, ICML, UAI, AISTATS; (期刊:JMLR, ML, Trends in ML, IEEE T-NN)计算机视觉和图像识别:ICCV, CVPR, ECCV; (期刊:IEEE T-PAMI, IJCV, IEEE T-IP)人工智能:IJCAI, AAAI; (期刊AI)另外相关的还有SIGRAPH, KDD, ACL, SIGIR,原创 2016-01-05 11:17:31 · 718 阅读 · 0 评论 -
What skills are required for machine-learning jobs?
https://onthe.io/learn/en/category/analytic/What-skills-are-required-for-machine---learning-jobs%3FMachine learning (ML) jobs require both a good understanding of how different kinds of method转载 2015-12-17 08:02:08 · 600 阅读 · 0 评论 -
Softmax Regressions
Softmax ModelIf we write that out as equations, we get:We can "vectorize" this procedure, turning it into a matrix multiplication and vector addition. This is helpful for computational原创 2015-11-27 10:50:45 · 393 阅读 · 0 评论 -
MINIST data set input_data.py
# Copyright 2015 Google Inc. All Rights Reserved.## Licensed under the Apache License, Version 2.0 (the "License");# you may not use this file except in compliance with the License.# You may obtai原创 2015-11-27 09:06:42 · 3891 阅读 · 1 评论 -
回归
一、引言 本材料参考Andrew Ng大神的机器学习课程 http://cs229.stanford.edu,以及斯坦福无监督学习UFLDL tutorial http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial 机器学习中的回归问题属于有监督学习的范畴。回归问题的目标是给定D维输入变量x,并且每一个输入矢量x都有对应的转载 2015-11-19 12:29:25 · 526 阅读 · 0 评论 -
Caffe Layer Library
Convolution layer# convolutionlayer { name: "loss1/conv" type: "Convolution" bottom: "loss1/ave_pool" top: "loss1/conv" param { lr_mult: 1 decay_mult: 1 } param { lr_mult: 2原创 2017-03-14 15:22:33 · 4223 阅读 · 1 评论