![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 56
pymqq
北京邮电大学11级硕士,14年3月毕业,入职阿里巴巴商家业务事业部,研究方向深度学习、计算机视觉。
展开
-
UFLDL Exercise:Softmax Regression
练习题网址:http://deeplearning.stanford.edu/wiki/index.php/Exercise:Softmax_RegressionsoftmaxCost.mfunction [cost, grad] = softmaxCost(theta, numClasses, inputSize, lambda, data, labels)% numClasse原创 2014-02-22 14:29:29 · 1280 阅读 · 0 评论 -
机器学习与深度学习_Paper&Code
A Fast Learning Algorithm for Deep Belief Nets_Hinton.pdfAutoencoder_Codecifar-10-py-colmajor.tar.gzCNN_matlab_ver_0.83CNN_matlab_ver_0.83.zipcuda-convnetcuda-convnet.zipEfficient Learni原创 2014-03-26 14:21:55 · 2020 阅读 · 0 评论 -
Machine Learning & Computer Vision —— Record
1、深度学习新算法NaSent,Neural Analysis of Sentiment,NaSent算法从人脑中得到灵感,旨在改善当前书面语言的分析方法2、从一个文章或句子中抽出有效的feature, word2vector 就不错,这两年刚提出来的原创 2014-03-13 11:15:54 · 1106 阅读 · 0 评论 -
LLE与Sam Roweis
最近在学习LLE相关的东西,读了那篇引用高达5000+的paper之后。去拜访了作者Sam Roweis的主页,竟然发现主页上写着 The Department of Computer Science regrets to inform you that Professor Sam Roweis passed away on Tuesday, January 12, 2010. Please转载 2014-03-13 12:24:22 · 1399 阅读 · 1 评论 -
Boosting,黄荆棍下出好人
作为这个年代成长起来的中国青年,相信不少人都有被父母练习“男子单打,女子单打,男女混合双打”的经历。中国有句老话,“黄荆棍下出好人”。每当我们犯了错事,说了错话,往往会遭遇父母的批评,甚至棍棒,乃至引申出“打是亲,骂是爱”等等奇谈怪论。一顿言语棍棒下来,孩子往往记忆深刻,下次遇事自然会想起以前的批评教育,行为有所改变。这种做法是否真的能出好人,我们暂且不论。今天要讲的故事与学习有关,因为在机器转载 2014-03-13 11:17:05 · 801 阅读 · 0 评论 -
机器学习前沿热点–Deep Learning
引言:神经网络(NeuralNetwork)与支持向量机(SupportVectorMachines,SVM)是统计学习的代表方法。可以认为神经网络与支持向量机都源自于感知机(Perceptron)。感知机是1958年由Rosenblatt发明的线性分类模型。感知机对线性分类有效,但现实中的分类问题通常是非线性的。神经网络与支持向量机(包含核方法)都是非线性分类模型。1986年,R转载 2014-03-12 17:38:11 · 863 阅读 · 0 评论 -
Python KNN K近邻
from numpy import *import operatorclass KNN: def createDataset(self): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group,labels转载 2014-03-05 15:25:36 · 642 阅读 · 0 评论 -
UFLDL Exercise:PCA in 2D
练习题网址:http://deeplearning.stanford.edu/wiki/index.php/Exercise:PCA_in_2Dpca_2d.m的代码如下:clc;clear;close all;%%================================================================%% Step 0: Load da原创 2014-02-19 17:51:55 · 773 阅读 · 0 评论 -
UFLDL Exercise:Sparse Autoencoder
UFLDL中的稀疏自编码器练习的代码:sampleIMAGES.mfor i = 1:numpatches imageNum = ceil(rand()*10); x = ceil(rand()*505); y = ceil(rand()*505); patch = IMAGES(x:x+7,y:y+7,imageNum); patch原创 2014-02-19 15:49:51 · 1158 阅读 · 2 评论 -
UFLDL Exercise:PCA and Whitening
练习题网址:http://deeplearning.stanford.edu/wiki/index.php/Exercise:PCA_and_Whiteningpca_gen.m修改后的文件内容如下:clc;clear;close all;%%================================================================%% Ste原创 2014-02-19 17:48:55 · 811 阅读 · 0 评论 -
UFLDL Exercise:Vectorization
练习题网址:http://deeplearning.stanford.edu/wiki/index.php/Exercise:PCA_and_Whitening上一篇博文《UFLDL Exercise:Sparse Autoencoder》已经是采用向量的方式编写的代码,详见上篇博文http://blog.csdn.net/pymqq/article/details/19490551原创 2014-02-19 15:59:47 · 996 阅读 · 0 评论 -
Stanford机器学习Prolem Set#1:Supervised Learning
2.Locally-weighted logistic regressionCode: lwlr.mfunction y = lwlr(X_train,y_train,x,tau)m = size(X_train,1);n = size(X_train,2);theta = zeros(n,1);% compute weightsw = exp(-sum原创 2014-01-16 14:32:26 · 1697 阅读 · 0 评论 -
UFLFL Exercise:Self-Taught Learning
练习题网址:http://deeplearning.stanford.edu/wiki/index.php/Exercise:Self-Taught_LearningstlExercise.m文件:%% CS294A/CS294W Self-taught Learning Exercise% Instructions% ------------% % This f原创 2014-02-26 14:04:54 · 1488 阅读 · 0 评论 -
UFLDL Exercise: Implement deep networks for digit classification
练习题网址:http://deeplearning.stanford.edu/wiki/index.php/Exercise:_Implement_deep_networks_for_digit_classificationstackedAECost.mfunction [ cost, grad ] = stackedAECost(theta, inputSize, hiddenSize,原创 2014-02-26 14:15:39 · 1308 阅读 · 0 评论 -
L-BFGS(minFunc):Step direction is illegal
在使用minFunc实现的L-BFGS优化方法进行AutoEncoder时,提示Step direction is illegal,解决方法如下:将图像的标准差归一化至1,即每个图像减去该图像的均值然后除以该图像的标准差。即使按上述方式处理后依然提示如下所示的Warning,但是可以运行了。Warning: Matrix is close to singular or badly sc原创 2014-02-25 10:30:56 · 6129 阅读 · 8 评论 -
Weka:Problem evaluating classifier:libsvm classes not in CLASSPATH
Weka3.5后增加了libsvm这个选项,在分类器中的functions下面。但是,试图运行的时候,系统提示:Problem evaluating classifier:libsvm classes not in CLASSPATH。这是因为Weka只是提供了Libsvm的Wrapper调用机制,必须要安装Libsvm后将附带的jar路径添加到Weka的启动路径中。怎么解决呢?我的Weka版本较原创 2014-07-17 11:02:46 · 1909 阅读 · 0 评论