机器学习
南方以北
这个作者很懒,什么都没留下…
展开
-
Gram矩阵
1、Gram矩阵的定义2、意义 格拉姆矩阵可以看做feature之间的偏心协方差矩阵(即没有减去均值的协方差矩阵),在feature map中,每个数字都来自于一个特定滤波器在特定位置的卷积,因此每个数字代表一个特征的强度,而Gram计算的实际上是两两特征之间的相关性,哪两个特征是同时出现的,哪两个是此消彼长的等等,同时,Gram的对角线元素,还体现了每个特征在图像中出现的量,...转载 2018-12-22 16:11:52 · 1830 阅读 · 0 评论 -
【机器学习】k-fold cross validation(k-折叠交叉验证)
另一篇博客http://blog.csdn.net/evillist/article/details/76009632交叉验证的目的:在实际训练中,模型通常对训练数据好,但是对训练数据之外的数据拟合程度差。用于评价模型的泛化能力,从而进行模型选择。交叉验证的基本思想:把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(valida...转载 2019-01-07 17:11:59 · 1755 阅读 · 0 评论 -
[机器学习笔记]奇异值分解SVD简介及其在推荐系统中的简单应用
本文先从几何意义上对奇异值分解SVD进行简单介绍,然后分析了特征值分解与奇异值分解的区别与联系,最后用python实现将SVD应用于推荐系统。1.SVD详解SVD(singular value decomposition),翻译成中文就是奇异值分解。SVD的用处有很多,比如:LSA(隐性语义分析)、推荐系统、特征压缩(或称数据降维)。SVD可以理解为:将一个比较复杂的矩阵用更小更简单的3个...原创 2019-03-09 10:22:06 · 247 阅读 · 0 评论 -
傅里叶分析之掐死教程(完整版)
转自:知 乎:Heinrich这篇文章的核心思想就是:要让读者在不看任何数学公式的情况下理解傅里叶分析。傅里叶分析不仅仅是一个数学工具,更是一种可以彻底颠覆一个人以前世界观的思维模式。但不幸的是,傅里叶分析的公式看起来太复杂了,所以很多大一新生上来就懵圈并从此对它深恶痛绝。老实说,这么有意思的东西居然成了大学里的杀手课程,不得不归咎于编教材的人实在是太严肃了。(您把教材写得好玩一点会死...转载 2019-03-19 15:26:19 · 414 阅读 · 0 评论 -
Gabor特征
Gabor 特征总结 http://mengqi92.github.io/2015/10/11/gabor/纹理分割(一)Gabor滤波器学习从傅里叶(Fourier)变换到伽柏(Gabor)变换再到小波(Wavelet)变换https://blog.csdn.net/feiyanjia/article/details/81460941https://blog.csdn....原创 2019-03-19 17:46:07 · 466 阅读 · 0 评论 -
矩阵卷积理解
为了验证后续矩阵卷积转化为矩阵相乘,这里给出的conv2的实例描述:假设矩阵A(4*3)、B(2*3)如下:首先,B需要旋转180,命令旋转2次90即可:B = rot90(rot90(B));或者B = rot90(h,2); 结果为:其次:命令conv2...原创 2019-03-28 19:53:47 · 10593 阅读 · 1 评论