机器学习
8rfuz
这个作者很懒,什么都没留下…
展开
-
The Elements of Statistical Learning (第4章)
这本书的写法真不符合我口味。判别准则,判别分析 , 其实说的就是分类方法,分类公式。LDA(Linear Discriminant Analysis) 从概率角度看待这个问题,可以认为分类问题就是知道了x值,求x属于哪一个类别的概率最大的问题,也就是求所有后验概率1,...,k中最大的那一个。然后比较这K个后验证概率的大小,找最大了。最简单的方法原创 2016-06-02 15:20:17 · 950 阅读 · 0 评论 -
LDA算法
LDA算法,最后面为什么特征值最大就是所求的情形。 这个严格的证明还没想通。第一个链接里的是看到的最通俗易懂的入门。点击打开链接http://blog.csdn.net/ffeng271/article/details/7353834http://blog.csdn.net/v_july_v/article/details/41209515原创 2016-06-02 11:33:28 · 2034 阅读 · 1 评论 -
概率论里的 随机变量相关的严格定义
很多东西还是要有严格的定义来一步一步推导出来,这样才感觉舒服啊。 以前觉得概率论教材都是一些很显然的东西,所以都没重视。 现在学到后面才越来越发现,前面那些基础定义的重要性!随机变量的分布函数的定义:然后可以得到 密度函数的定义:然后就是 随机变量之间的独立性的定义了:原创 2016-06-28 23:41:27 · 1220 阅读 · 0 评论 -
概率论里的相关系数,协方差
协方差:原创 2016-06-28 23:58:57 · 6371 阅读 · 0 评论 -
ICA/ Independent component analysis
ICA大致了解了原理以及大部分步骤。但是对于其精准的实现确切的原理暂时没法非常清晰的把握,所以就暂时不作自己的一些笔记总结了,直接先记录网上找到的一些写的还不错的链接。以下是一些链接知乎 PCA ICA点击打开链接http://www.cnblogs.com/jerrylead/archive/2011/04/19/2021221.html原创 2016-06-29 14:40:15 · 448 阅读 · 0 评论 -
EM算法
http://blog.csdn.net/zouxy09/article/details/8537620http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006936.htmlhttp://blog.csdn.net/abcjennifer/article/details/8170378点击打开转载 2016-06-30 10:56:54 · 242 阅读 · 0 评论 -
PCA原理理解记录
以前对主成分分析PCA(Principal Component Analysis)总是似懂非懂,也因此只会拿来用,但心里没底气深入地跟人交流自己对PCA的理解。最近总算是下定决心搞懂了PCA的原理由来以及推导证明了,让我用C++程序实现也有底气了。现在给定一堆数据集是n个p维的向量。有时候为了更好的分析,我们希望能对它进行降维(这只是拿来举例,一开始可能只是想要更好地重组这个数据)。这原创 2016-06-18 23:03:19 · 548 阅读 · 0 评论 -
统计学习方法——CART, Bagging, Random Forest, Boosting
决策树, Bagging, Random Forest, Boosting点击打开链接转载 2016-07-06 17:23:38 · 364 阅读 · 0 评论 -
记 CAFFE学习
http://blog.csdn.net/YiLiang_/article/category/6766544/4转载 2017-03-09 14:01:35 · 247 阅读 · 0 评论