- 博客(5)
- 收藏
- 关注
RSS订阅转载 机器学习常见算法个人总结（转）
文章目录 1.朴素贝叶斯 1.1.工作原理 1.2.工作流程 1.3.属性特征 1.4.Laplace校准(拉普拉斯校验) 1.5.遇到特征之间不独立问题 1.6.优缺点 2.逻辑回归和线性回归 2.1.梯度下降法 2.2.其他优化方法 2.3.关于LR的过拟合问题： 2.4.关于LR的多分类：softmax 2.5.关于softmax和k个LR的选择 3.KNN算法
2016-05-18 21:49:33
2206
原创 Deep Learning Face Representation from Predicting 10,000 Classes
摘要 这篇paper旨在通过深度网络来学习高维特征，所谓的深度网络就是DeepID，用于人脸识别。我们将说明DeepID可以有效应用于多类人脸识别任务。同时也可以泛化到其他识别领域以及训练集中没有出现过的新样本。此外，其泛化能力随着训练任务中的类别的增多而增强。DeepID的特征来自ConvNets的最后一层隐层。当训练集能够识别出10000个人脸后，逐步减少每层神经元个数，ConvNets会逐步
2016-01-28 10:34:10
1990
原创 A comparative study of RNN for outlier detection in data mining
摘要 提出了一种用于异常检测的RNN（貌似不同于循环神经网络，叫replicator neural networks）。然后将该算法与其他三种算法在公开的数据集上做了对比。较小的数据集可以洞悉RNN的原理和不足，较大的数据集可以证明其可扩展性和实用价值。论文还提供了对比异常检测能力的流程和基准。简介 异常点往往被认为是回归模型中的残差或者密度模型中的远离点 介绍了参数化方法和非参数化方法的
2016-01-27 16:16:35
794
原创 Gradient-based Hyperparameter Optimization through Reversible Learning
摘要 因为超参数的梯度信息很难获得，所以调整超参数很难。我们在整个训练集上计算了对于所有超参数的交叉检验的精确参数。这使得我们可以优化各种超参数，包括训练步长、动量、初始参数的分布、网络结构、正则化形式。我们的计算恰好颠覆了基于动量的随机梯度下降法的动力。简介 机器学习到处都是超参数，需要通过例如l1l2等正则化来限制模型的复杂度。还有步长、动量衰减、初始条件等，都很难决定。 现有的方法通
2016-01-26 20:29:44
966
原创 论文笔记：Clustering is efficient for approximate maximum inner product search
Auvolat A, Vincent P. Clustering is efficient for approximate maximum inner product search[J]. arXiv preprint arXiv:1507.05910, 2015.摘要 针对Maximum Inner Product Search问题，通常有locality-sensitive hashing (
2016-01-25 22:08:27
1034
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