![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 78
宝剑磨,梅花寒
这个作者很懒,什么都没留下…
展开
-
《A Few Words on Representation Learning》is from Thalles‘blog
表征学习入门翻译 2023-02-22 17:58:55 · 134 阅读 · 0 评论 -
文章分享《Supervised Contrastive Learning》 自监督对比学习和有监督对比学习的区别
文章题目 Supervised Contrastive Learning作者:Prannay KhoslaPiotr TeterwakChen WangAaron Sarna时间:2020会议:NeurIPS文章的主要思想文中的一张图很清楚明了的表明了自监督对比学习与有监督对比学习的区别。自监督的对比学习中,一个样本对应着data augmentation一个正样本和多个负样本,以往的关于对比学习的研究中,也是热衷于不断增加负样本的数量来提高模型的表征能力;有监督的对比学习,将同一类原创 2022-04-27 21:34:52 · 1309 阅读 · 0 评论 -
文章分享《MAML is a noisy contrastive learner in classification》
MAML is a noisy contrastive learner in classification作者:Chia-Hsiang KaoWei-Chen ChiuPin-Yu Chen时间:2022期刊:ICLRABSTRACT总结:Model-agnostic meta-learning (MAML)的不足:文中认为,内循环和外循环的结构使MAML专注于特定的学习任务,MAML的潜在学习目标仍然是隐含的,因此阻碍了对它的更直接的理解。(人话就是,作者认为现有文章对MAML的原创 2022-04-26 16:42:48 · 620 阅读 · 0 评论 -
机器学习学习笔记(一)-绪论
之前写了一篇深度学习、优化与识别的学习笔记,但是后来豆瓣书评上对这本书的评价不高,就直接放弃删除了。绪论模型评估与选择线性模型决策树神经网络支持向量机贝叶斯分类集成学习聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习概率图模型规则学习强化学习一、绪论1.1引言1.2基本术语要进行机器学习,先要有数据,假定我们收集了一批关于西瓜的数据,例如(色泽...原创 2018-11-05 16:07:38 · 307 阅读 · 0 评论 -
机器学习学习笔记(二)-模型选择与评估
绪论模型评估与选择线性模型决策树神经网络支持向量机贝叶斯分类集成学习聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习概率图模型规则学习强化学习模型评估与选择2.1经验误差与过拟合错误率:分类错误的样本数占样本总数的比例精度:1-错误率把学习器的实际预测输出与样本的真实输出之间的差异称为“误差”,学习器在训练集上的误差称为“训练误差”或“经验误差...原创 2018-11-05 21:29:03 · 394 阅读 · 0 评论 -
机器学习学习笔记(三)-模型评估与选择
绪论模型评估与选择(1)模型评估与选择(2)线性模型决策树神经网络支持向量机贝叶斯分类集成学习聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习概率图模型规则学习强化学习模型评估与选择(2)2.3.3ROC与AUC很多学习器是为测试样本产生一个实值或概率预测,然后将这个预测值与一个分类阈值进行比较,若大于阈值则分为正类,否则为反类。例如,神经网络在...原创 2018-11-21 21:13:24 · 432 阅读 · 0 评论 -
机器学习学习比价(四)-模型评估与选择
绪论模型评估与选择(1)模型评估与选择(2)模型评估与选择(3)线性模型决策树神经网络支持向量机贝叶斯分类集成学习聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习概率图模型规则学习强化学习模型评估与选择(3)本次学习的都是一些检验不同学习器的性能是否相同的方法,在统计的过程当中大家应该都学过。2.4.2 交叉验证t检验对于两个学习器A和B,如...原创 2018-11-30 18:53:37 · 508 阅读 · 0 评论 -
机器学习学习笔记(五)-线性模型
绪论模型评估与选择(1)模型评估与选择(2)模型评估与选择(3)线性模型决策树神经网络支持向量机贝叶斯分类集成学习聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习概率图模型规则学习强化学习第三章:线性模型3.1 基本形式给定由d个属性描述的示例x=(x1,x2,x3,x4…xd),其中xi是x在第i个属性上的取值,线性模型(linear mod...原创 2018-12-11 21:13:41 · 277 阅读 · 0 评论 -
radiomics放射组学图像特征计算
如何计算大量的放射组学特征刚开始接触放射组学的时候,同样惊奇于如何从图像当中提取成百上千的特征,看了很多文章,走了很多弯路,终于找到了计算出大量图像特征的方法。其实,本质上,包括全局灰度特征,以及纹理矩阵特征(灰度共生矩阵、灰度行程矩阵等),再加上针对肿瘤图像的形状特征总共可以计算出来的特征数量最多100多个,而这100多个特征的计算方法你完全可以自己编程实现,不管是通过matlab(附上一...原创 2019-04-02 11:34:37 · 5286 阅读 · 0 评论