机器学习
文章平均质量分 74
chen5561
这个作者很懒,什么都没留下…
展开
-
ML_From_Scratch-master 读书笔记(0)
MIT基于python3的源码解读下载了https://github.com/eriklindernoren/ML-From-Scratch的源代码后,在ubuntu上用pycharm搭建环境运行代码。目的 python3快速入门 ML代码基本设计理念 一大波基本的但是影响力强大的ML算法基础知识是非常重要的,希望大家与我一起学有所成...原创 2018-07-13 15:10:36 · 347 阅读 · 0 评论 -
ML_From_Scratch-master 读书笔记(1)
按照上一篇博客中搭建好环境后,我们正式进入ML算法的学习。首先看第一个adaboost。本文包含以下几个方面的内容: adaboost算法的基础知识 python3的实现过程 实现过程中学习到的python3技巧adaboost算法的基本知识 adaboost的源头在《A Decision-Theoretic Generalization of On-Line Lear...原创 2018-07-13 16:08:11 · 730 阅读 · 1 评论 -
决策树和随机森林
CART:分类(C)与(A)回归(R)的树(T)。 如果已经训练好了一个决策树,那么测试样本分类的结果就是:所落在的那个叶子节点的训练样本中最多的类别的;测试样本的回归结果就是由所落在的叶子节点的训练样本计算而来(如平均值) 建立一棵树的难点在于结点的构建,分类问题用到的是信息熵H(x)。对于随机样本x发生的概率是p,随着p的变化绘制信息熵的曲线.可以发现当p的概率...原创 2018-07-31 14:05:56 · 152 阅读 · 0 评论 -
HMM EM MRF 蒙特卡洛采样
待定原创 2018-07-31 16:14:12 · 355 阅读 · 0 评论 -
SLIC算法分割超像素原理及Python实现
为了从NYU数据集中得到分割标签,尝试用12年的SLIC算法,加上以关节点为中心的分割结果。 SLIC 原始链接整个算法的输入只有一个,即超像素的个数K。图片原有N个像素,要分割成K个像素,那么每个像素的大小是N/K。超像素之间的距离(即规则情况下超像素的边长)就是S=√N/K。我们的目标是使代价函数(cost function)最小。具体到本算法中,就是每个像素到所属的中心点的距离...原创 2018-08-28 19:18:35 · 7809 阅读 · 1 评论 -
ML-from-scratch——贝叶斯回归
Table of Contents1:加载数据读取后转换成2D数据代码拆分训练测试集2:构建一个贝叶斯回归模型初始化一些参数,权重按照高斯分布,间隔为10构建贝叶斯回归模型比较全面的科普D是观测值,h是假设,求P(h | D)为可能的每个单词h,计算一下 P(h) * P(D | h)/ P(D)这个值,然后取最大的,得到的就是最靠谱的猜测。P(D)是固定...原创 2018-09-20 19:26:00 · 795 阅读 · 0 评论 -
BP算法
https://blog.csdn.net/qq_23947237/article/details/78389188原创 2018-10-02 22:34:30 · 210 阅读 · 0 评论