diezhangu4106-CSDN博客

转载从CentOS安装R中看yum、rpm、repo到底有什么关系

在图形界面下习惯了双击.exe（或者.dmg）安装软件，到了Linux服务端可能会有很大的不适。此前，我都是直接Google，然后不管三七二十一地直接把安装命令丢到bash里，期待顺利安装……但今天当我要重装R语言的时候，由于以前是手工编译安装的，现在需要用yum来安装却总是出错（yum安装处理了一些依赖关系才能使得rstudio-server顺利运行）。再也不想忍受这种听天由命的感...

2015-12-17 12:53:00 186

转载 CentOS 安装Java 1.8

Elasticsearch搜索引擎要求jdk为7以后，并且推荐使用Oracle JDK version 1.8.0_25，本文介绍如何在CentOS上安装java 1.8。更多ES相关的文章欢迎大家关注我的个人博客：http://logos.name/首先更新已安装的包：yum update查看系统当前的java版本：java -version...

2015-12-16 20:01:00 104

转载斯坦福CS229机器学习课程笔记七：算法诊断、误差分析以及如何开始一个机器学习问题...

这一节是Andrew对应用机器学习给出的建议，虽然没有数学公式，但却是十分重要的一课。Debugging Learning Algorithms假设要做一个垃圾邮件分类的模型，已经从海量的词汇表中选出一个较小的词汇子集（100个单词）作为特征。用梯度上升算法实现了贝叶斯逻辑回归，但测试集的错误率达到了20%，这显然太高了。如何解决这个问题？收集更多的训练样本进一步减少...

2015-08-26 19:02:00 156

转载斯坦福CS229机器学习课程笔记六：学习理论、模型选择与正则化

稍微了解有监督机器学习的人都会知道，我们先通过训练集训练出模型，然后在测试集上测试模型效果，最后在未知的数据集上部署算法。然而，我们的目标是希望算法在未知的数据集上有很好的分类效果（即最低的泛化误差），为什么训练误差最小的模型对控制泛化误差也会有效呢？这一节关于学习理论的知识就是让大家知其然也知其所以然。学习理论1.empirical riskminimization（经验风险...

2015-08-26 17:20:00 172

转载斯坦福CS229机器学习课程笔记五：支持向量机 Support Vector Machines

SVM被许多人认为是有监督学习中最好的算法，去年的这个时候我就在尝试学习。不过，面对长长的公式和拗口的中文翻译最终放弃了。时隔一年，看到Andrew讲解SVM，总算对它有了较为完整的认识，总体思路是这样的：1.介绍间隔的概念并重新定义符号；2.分别介绍functional margins与geometric margins；3.由此引出最大间隔分类器，同时将最优化问题转化为凸函数的优化问...

2015-07-31 13:48:00 156

转载斯坦福CS229机器学习课程笔记四：GDA、朴素贝叶斯、多项事件模型

距离上一篇笔记竟然快要一个月了……希望这周能把cs229监督学习部分的知识搞定。生成学习与判别学习像逻辑回归，用hθ(x) = g(θTx) 直接地来建模p(y|x; θ) ；或者像感知机，直接从输入空间映射到输出空间（0或1），它们都被称作判别学习（discriminative learning）。与之相对的是生成学习（generative learning），先对 p(x|...

2015-07-16 15:22:00 212

转载斯坦福CS229机器学习课程笔记三：感知机、Softmax回归

为了给课程的前四讲画上一个句号，这里补充两个前四讲中NG大神提到过的模型。The perceptron learning algorithm 感知机模型：从模型上来看感知机与逻辑回归十分相似，只不过逻辑回归的g函数是逻辑函数（又称sigmoid函数），它是一条从y值0到1的连续曲线。当z→∞，g(z)→1；当z → −∞，g(z)→0。g(z) = 1/(1+e-z)而感知机的g...

2015-07-16 15:16:00 170

转载斯坦福CS229机器学习课程笔记二：GLM广义线性模型与Logistic回归

一直听闻LogisticRegression逻辑回归的大名，比如吴军博士在《数学之美》中提到，Google是利用逻辑回归预测搜索广告的点击率。因为自己一直对个性化广告感兴趣，于是疯狂google过逻辑回归的资料，但没有一个网页资料能很好地讲清到底逻辑回归是什么。幸好，在CS229第三节课介绍了逻辑回归，第四节课介绍了广义线性模型，综合起来总算让我对逻辑回归有了一定的理解。与课程的顺序相...

2015-07-16 15:11:00 357

转载斯坦福CS229机器学习课程笔记一：线性回归与梯度下降算法

应该是去年的这个时候，我开始接触机器学习的相关知识，当时的入门书籍是《数据挖掘导论》。囫囵吞枣般看完了各个知名的分类器：决策树、朴素贝叶斯、SVM、神经网络、随机森林等等；另外较为认真地复习了统计学，学习了线性回归，也得以通过orange、spss、R做一些分类预测工作。可是对外说自己是搞机器学习的还是不太自信，毕竟和科班出身的各位大牛相比自己对这些模型、算法的理解只能算是“知其然而不知...

2015-07-16 14:26:00 200

diezhangu4106的博客