- 博客(5)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 AdaBoost
AdaBoost自适应增强，一直听说这个方法，觉得很高端，大半夜的记一下！自适应增强的思想是用多个弱分类器提升出一个强的分类器：强可学习和弱可学习是等价的！步骤：首先，你有一批数据作为训练集其次，你有一个学习分类模型的方法，而且你这个学习方法应该用到训练集中每个样本的权重，因为自适应增强方法就是通过不断增大上一轮分错样本的权重同时降低分对样本的权重的方法来不
2013-06-30 00:17:57
885
原创 最大熵
零星感悟：最大熵知之为知之，不知为不知论文：The Improved Iterative Scaling Algorithm: A Gentle Introduction核心思想：构造经验期望减去模型期望的差，然后让这个差等于零，此时的权重参数即为最优解的参数下面是看李航的>最大熵一章和论文推导时的一个疑惑，幸得别人指点明白了。在最大熵模型中，条件概率分布式这样的：
2013-06-26 16:38:17
894
原创 朴素贝叶斯
>：朴素贝叶斯这几个概念一直弄的糊里糊涂的~~~朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法！贝叶斯定理：P(A|B) = P(B|A) * P(A) / P(B)特征条件独立是指对于一个样本点X，表示成特征向量。说明样本空间是n维的，每个样本点有n个特征。下面说怎么用朴素贝叶斯法进行分类：朴素贝叶斯法是生成模型，就是说它是通过给定的样本集合，学习样
2013-06-22 21:08:40
1145
原创 线性回归 最小二乘 梯度下降 随机梯度下降
一下午只弄清楚这一个问题了，记录一下，有点乱：先从线性回归问题说起，为了对样本点进行拟合求得拟合函数来进行对新的输入做出预测，便设计了一个衡量拟合函数好坏的标准，其实标准有很多：可以是SUM{|f(Xi) - Yi|} / N; 也可以是SUM{|f(Xi) - Yi|^2} / N；因为对于不同的拟合函数，样本点是相同的，那N就是一样的，所以可以直接比较：1.SUM{|f(Xi) -
2013-06-15 19:09:31
3150
原创 快速傅里叶变换(FFT)
快速傅里叶变换大学的时候就学了，可现在想起来都还回去了已经。前两天做到一道大数乘法题：http://www.51nod.com/onlineJudge/questionCode.html#!problemId=1028需要用到傅里叶变换，就又从新拿出算法导论看了一遍，记下来加深一下记忆！！傅里叶变换多用于信号处理，在频率域和时间域之间进行变换，我只知道这么多了！！对于大数乘法，
2013-06-12 22:17:03
1614
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人