机器学习
文章平均质量分 96
zhifeng687
这个作者很懒,什么都没留下…
展开
-
线性判别分析(LDA)算法总结
LDA也称Fisher线性判别法,它是一种非迭代的分类算法。算法的主要思想将特征空间中的样本投影到该空间的一条直线上以实现从高维到一维的数据压缩。显然这样的投影有很多方向,而LDA算法就是寻找一个最佳投影方向来使样本的类内距离最小而类间距离最大。 投影方向:1、投影后不同类别的样本均值的差别应尽可能大,即类间距离尽可能大;2、投影后相同类别的样本方差应尽可能小,即类内距离应尽可转载 2017-04-20 15:26:38 · 3551 阅读 · 0 评论 -
快速计算梯度的魔法--反向传播算法
前向传递节点,反向传递梯度。我们先从计算图的底部开始向上,逐个节点计算函数值并保存下来。这个步骤,叫做前向计算(forward)。然后,我们从计算图的顶部开始向下,逐步计算损失函数对每个子节点的导函数,代入前向计算过程中得到的节点值,得到导数值。这个步骤,叫做反向传播(backward)或者更明确一点叫做反向梯度传播。转载 2017-06-16 15:40:59 · 3178 阅读 · 0 评论 -
使用浅层神经网络识别图片中的英文字母
一、实验介绍1.1 实验内容本次实验我们正式开始我们的项目:使用神经网络识别图片中的英文字母。激动人心的时刻到了,我们将运用神经网络的魔力,解决一个无法使用手工编程解决的问题。如果你(自认为)是一个程序员,本次实验结束后,你将变得与其他只会手工编写程序的程序员不同。1.2 实验知识点“浅层”与“深度”的区别泛化性能随机梯度下降算法如何对矩阵求导编写我们的损失转载 2017-06-16 16:23:44 · 3194 阅读 · 1 评论 -
对数几率回归Logistic Regression(Matlab)
对数几率函数(logistic function)是sigmoid函数的重要代表转载 2017-04-20 14:59:20 · 1583 阅读 · 0 评论 -
卷积神经网络CNN——使用keras识别猫咪
在近些年,深度学习领域的卷积神经网络(CNNs或ConvNets)在各行各业为我们解决了大量的实际问题。但是对于大多数人来说,CNN仿佛戴上了神秘的面纱。我经常会想,要是能将神经网络的过程分解,看一看每一个步骤是什么样的结果该有多好!这也就是这篇存在的意义。首先,我们要了解一下卷积神经网络擅长什么。CNN主要被用来找寻图片中的模式。这个过程主要有两个步骤,首先要对图片做卷积,然后找寻模式。转载 2017-11-19 16:50:15 · 3678 阅读 · 0 评论