- 博客(17)
- 收藏
- 关注
RSS订阅转载 boost::regext正则表达式异常分析
https://stackoverflow.com/questions/6770898/unknown-escape-sequence-error-in-go例如以上链接中的错误#include <iostream>#include <boost/regex.hpp>#include <string> using na...
2017-10-23 22:29:00
433
转载 机器学习--朴素贝叶斯分类，以及拉普拉斯校准
原文链接：1. 词袋模型http://chant00.com/2017/09/18/%E8%B4%9D%E5%8F%B6%E6%96%AF/2. 朴素贝叶斯计算嫁人概率https://zhuanlan.zhihu.com/...
2017-10-19 16:17:00
1027
转载 关于 epoch、 iteration和batchsize
原文： http://blog.csdn.net/sinat_30071459/article/details/50721565深度学习中经常看到epoch、 iteration和batchsize，下面按自己的理解说说这三个的区别：（1）batchsize：批大小。在深度学习中，一般采用SGD训练，即每次训练在训练集中取batchsize个样本训练；（2）iterat...
2016-11-12 17:24:00
143
转载 神经网络为什么要用sigmoid函数？为什么要映射到0-1之间？
（1）对于深度神经网络，中间的隐层的输出必须有一个激活函数。否则多个隐层的作用和没有隐层相同。这个激活函数不一定是sigmoid，常见的有sigmoid、tanh、relu等。 （2）对于二分类问题，输出层是sigmoid函数。这是因为sigmoid函数可以把实数域光滑的映射到[0,1]空间。函数值恰好可以解释为属于正类的概率（概率的取值范围是0~1）。另外，sigmoid函数单调递增，...
2016-11-12 17:17:00
9199
转载 [转]使用国内镜像源来加速python pypi包的安装
使用国内镜像源来加速python pypi包的安装http://topmanopensource.iteye.com/blog/2004853博客分类：开源组件的应用PYTHONpip在线安装python依赖库pipy国内镜像目前有：http://pypi.douban.com/ 豆瓣http://pypi.hu...
2016-10-27 15:52:00
123
转载 Deep Learning（深度学习）学习笔记整理系列（三）——Deep Learning的基本思想
zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者：Zouxyversion 1.0 2013-04-081）该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细...
2016-08-03 22:50:00
292
转载 Deep Learning（深度学习）学习笔记整理系列之（四）——CNN
zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者：Zouxyversion 1.0 2013-04-081）该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。如...
2016-08-03 22:49:00
851
转载 理解caffe的fine-tuning
来源：知乎 https://www.zhihu.com/question/40850491比如说，先设计出一个CNN结构。然后用一个大的数据集A，训练该CNN网络，得到网络a。可是在数据集B上，a网络预测效果并不理想（可能的原因是数据集A和B存在一些差异，比如数据来源不同导致的代表性差异）。如果直接用B的一部分训练的话，数据量太小，CNN不适用。解决方法：将数据集B分...
2016-08-03 22:31:00
219
转载 卷积神经网络详解
卷积神经网络转载请注明：http://blog.csdn.net/stdcoutzyx/article/details/41596663自今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用，特写此博文，以其与...
2016-08-02 11:17:00
295
转载 Deep Learning（深度学习）学习笔记整理系列（二）——特征
zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者：Zouxyversion 1.0 2013-04-081）该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。如...
2016-07-31 17:49:00
249
转载 Deep Learning（深度学习）学习笔记整理系列（一）——背景
zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者：Zouxyversion 1.0 2013-04-081）该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。如...
2016-07-31 16:18:00
255
转载 Matlab简单快速读取nc文件
2012以上版本的Matlab都内含nc阅读组件命令非常简单。例如 nc的文件名是filename,其中有多个变量，其中data_001是你想要的数据标签。第一步，查看nc内的所有信息 ncdisp('filename','/', 'full');第二步，调出来你想要的变量或者数据, ncread('filename','data_001'). 就是这么简单。第一步可...
2016-07-14 18:26:00
2121
转载 [转载]矩阵求导公式
原文地址：矩阵求导公式【转】作者：三寅今天推导公式，发现居然有对矩阵的求导，狂汗--完全不会。不过还好网上有人总结了。吼吼，赶紧搬过来收藏备份。基本公式：Y = A * X --> DY/DX = A'Y = X * A --> DY/DX = AY = A' * X * B --> DY/DX = A * B'Y = A' * X' * B --> ...
2016-07-13 22:19:00
1231
转载 机器学习中的数学(3)-模型组合(Model Combining)之Boosting与Gradient Boosting
版权声明： 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com前言： 本来上一章的结尾提到，准备写写线性分类的问题，文章都已经写得差不多了，但是突然听说最近Team准备做一套分布式的分类器，可能会使用Rand...
2016-06-29 23:14:00
77
转载 机器学习中的算法(1)-决策树模型组合之随机森林与GBDT
版权声明： 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com前言： 决策树这种算法有着很多良好的特性，比如说训练时间复杂度较低，预测的过程比较快速，模型容易展示（容易将得到的决策树做成图片展示出来）等。但是...
2016-06-29 23:13:00
174
转载 隐马尔可夫模型（HMM：Hidden Markov Models）
理论部分转载自：http://blog.csdn.net/likelet/article/details/7056068手动计算例子转载自：http://blog.sina.com.cn/s/blog_953f8a550100zh35.html隐马尔可夫模型(Hidden Markov Model，HMM) 最初由 L. E. Baum 和其它一些学者发表在一系列的统计学论文中...
2016-06-29 22:40:00
371
转载 机器学习中的算法：决策树模型组合之GBDT（Gradient Boost Decision Tree）
【转载自：http://www.cnblogs.com/LeftNotEasy/archive/2011/03/07/random-forest-and-gbdt.html】前言 决策树这种算法有着很多良好的特性，比如说训练时间复杂度较低，预测的过程比较快速，模型容易展示（容易将得到的决策树做成图片展示出来）等。但是同时，单决策树又有一些不好的地方，比如说容易over...
2016-06-29 22:40:00
134
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人