思想之光
文章平均质量分 88
不良CV研究生
闷骚的泛滥
展开
-
数据科学的三个重要经验
三点经验:模型评价方法是关键,特征提取是根本,模型选择而非数据集规模最费时间。文章指出,处理上万维的特征和几十万的样本的现代算法是愚蠢的,而特征工程理论还不完善,更像是一门艺术。这是数据科学大行其道的时代。各类课程、博客、培训学校如雨后春笋般出现。然而,每次我浏览这些学习资料时,我发现它们过于强调一些具体的算法。理解逻辑回归或者深度学习的原理当然很酷,可是一旦从事数据相关工作,你会发现还有转载 2015-09-12 13:19:02 · 521 阅读 · 0 评论 -
发表SCI或EI类英文文章的一些投稿经验
英文投稿的一点经验【转载】1. 首先一定要注意杂志的发表范围, 超出范围的千万别投,要不就是浪费时间;另外,每个杂志都有他们的具体格式要求,一定要按照他们的要求把论文写好,免得浪费时间,前些时候,我的一个同事向一个著名的英文杂志投稿,由于格式问题,人家过两个星期就退回来了,而且说了很多难听的话,说投稿前首先就应该看清楚他们的格式要求;2. 论文写作一定要言简意赅,特别是摘要,引言和结论转载 2016-04-11 14:19:09 · 2988 阅读 · 0 评论 -
Jackknife,Bootstraping, bagging, boosting, AdaBoosting, Rand forest 和 gradient boosting的简单介绍
转之 http://blog.csdn.net/chenhongc/article/details/9404583http://blog.sina.com.cn/s/blog_5dd2e9270100c8ko.html在这里致谢作者的研究。一并列出一些找到的介绍boosting算法的资源:(1)视频讲义,介绍boosting算法,主要介绍Ad转载 2016-03-29 12:34:35 · 473 阅读 · 0 评论 -
机器学习资料收集(持续更新)--书籍--个人主页
转载:http://blog.csdn.net/qianxin_dh/article/details/41596109书籍论文资料:机器学习大牛,Andrew Ng主讲的斯坦福大学机器学习课程: http://www.holehouse.org/mlclass/ 国外程序猿整理的机器学习资,主要汇编了一些机器学习领域的框架,库,转载 2016-03-29 10:25:55 · 757 阅读 · 0 评论 -
机器学习经典书籍--入门书-入门--深入--数学基础
转之 http://suanfazu.com/t/topic/15前面有一篇机器学习经典论文/survey合集209。本文总结了机器学习的经典书籍,包括数学基础和算法理论的书籍。本文会保持更新,欢迎推荐。入门书单《数学之美》 PDF326作者吴军大家都很熟悉。以极为通俗的语言讲述了数学在机器学习和自然语言处理等领域的应用。《Programm转载 2016-03-29 10:24:06 · 9980 阅读 · 1 评论 -
机器学习的学习资源--入门书-进阶书-入门视频-继续阅读推荐
http://blog.jobbole.com/56256/这是一篇很难写的文章,因为我希望这篇文章能对学习者有所启发。我在空白页前坐下,并且问自己了一个很难的问题:什么样的库、课程、论文和书籍对于机器学习的初学者来说是最好的。文章里到底写什么、不写什么,这个问题真的让我很烦恼。我必须把自己当做一个程序员和一个机器学习的初学者,站在这个角度去考虑最合适的资源。我找出了每个类转载 2016-03-29 09:57:49 · 565 阅读 · 0 评论 -
核密度估计-Kernel density estimation--精华汇总
wiki: https://en.wikipedia.org/wiki/Kernel_density_estimation博客:http://blog.163.com/zhuandi_h/blog/static/1802702882012111092743556/In statistics, kernel density estimation (KDE) is a non-p原创 2016-03-28 16:08:04 · 9996 阅读 · 0 评论 -
个人喜欢的关于模式识别、机器学习、推荐系统、图像特征、数值计算、目标跟踪等方面个人主页及博客
转载http://blog.csdn.net/zhangping1987/article/details/29554621David Lowe:Sift算法的发明者,天才。Rob Hess:sift的源码OpenSift的作者,个人主页上有openSift的下载链接,Opencv中sift的实现,也是参考这个。Koen转载 2016-03-28 13:53:05 · 1366 阅读 · 0 评论 -
NP问题~~NPC问题~~P问题~~精妙!
http://www.matrix67.com/blog/archives/105什么是P问题、NP问题和NPC问题 这或许是众多OIer最大的误区之一。 你会经常看到网上出现“这怎么做,这不是NP问题吗”、“这个只有搜了,这已经被证明是NP问题了”之类的话。你要知道,大多数人此时所说的NP问题其实都是指的NPC问题。他们没有搞清楚NP问题和NPC问题的概念。NP问转载 2015-12-03 14:40:50 · 484 阅读 · 0 评论 -
如何做好计算机视觉的研究
要回答这个问题,我们先要对这个问题的关键词进行分析:如果去掉“计算机视觉”这个限定词,这问题就变成了“如何做好研究?”那么,要回答这个问题,我们就要知道“什么是好的研究?”而要定义什么是好的研究,必须回到根本,先要知道“什么是研究?”先确定狭义的研究的定义为:利用科学的方法来调查解释一个现象或者获取新的知识。科学研究从本质上是由三个基本的要素构成:1) 目的:产生新转载 2016-12-09 13:24:35 · 1385 阅读 · 0 评论