rookiew的专栏

闲着无事，想写点一些我所了解的machine learning大家。由于学识浅薄，见识有限，并且仅局限于某些领域，一些在NLP及最近很热的生物信息领域活跃的学者我就浅陋无知，所以不对的地方大家仅当一笑。　　　　Machine Learning 大家(1)：M. I. Jordan　　在我的眼里，MJordan无疑是武林中的泰山北斗。他师出MIT，现在在berkeley坐镇一方，在附

From:http://www.mathtype.cn/wenti/gongshi-shangfu.html大家在Word中使用MathType编辑公式时发现用编辑的公式会上浮，与正文不在一行，总是会偏上。本文介绍解决Word中公式上浮的方法。解决方法有两种，具体操作如下：方法一、设置Word格式字体1.选中公式，在Word中选择“格式”——“字体”——“字

From:http://www.cnblogs.com/zeze/p/7019883.html%%%用神经网络解决异或问题 clearclcclosems=4;%设置4个样本a=[0 0;0 1;1 0;1 1];%设置输入向量y=[0,1,1,0];%设置输出向量n=2;%输入量的个数m=3;%隐层量的个数k=1;%输出层的个数w=rand(n,m);%为输入层到隐层

转自：http://www.cnblogs.com/sallybin/p/3169572.html1.具体应用实例。根据表2，预测序号15的跳高成绩。表2 国内男子跳高运动员各项素质指标序号跳高成绩()30行进跑(s)立定三级跳远()助跑摸高()助跑4—6步跳高()负重深蹲杠铃()

如何使用libsvm进行回归预测http://www.matlabsky.com/thread-12390-1-1.html(出处: MATLAB技术论坛)强烈建议您看这个之前先好好看看这个：如何使用libsvm进行分类http://www.matlabsky.com/thread-12379-1-1.html这里将这个帖子记为（帖子*）其实我个人感

如何使用libsvm进行分类http://www.matlabsky.com/thread-12379-1-1.html(出处: MATLAB技术论坛)这帖子就是初步教教刚接触libsvm（svm）的同学如何利用libsvm进行分类预测，关于参数寻优的问题在这里姑且不谈，另有帖子详述。其实使用libsvm进行分类很简单，只需要有属性矩阵和标签，然后就可以建立分类

知己知彼，百战不殆--信道信息的获取和应用      上一回我们说到了变化莫测的MIMO信道，并且留下了一个美好的假设：“如果在发送数据之前，我们能够提前获得信道信息，是不是能对发送策略有指导作用，并且有效的帮助我们提升通信系统的性能呢？”本回内容，我们就来回答这些问题。      还记得上回开篇在介绍“相关性”时举得例子么？这里简单的回顾一下：假设有一车货物要从A地运到B地，有3

在UML 2.0的13种图形中，类图是使用频率最高的UML图之一。Martin Fowler在其著作《UML Distilled: A Brief Guide to the Standard Object Modeling Language, Third Edition》（《UML精粹：标准对象建模语言简明指南（第3版）》）中有这么一段：“If someone were to come u

C++计算机视觉CCV —基于C语言/提供缓存/核心的机器视觉库，新颖的机器视觉库OpenCV—它提供C++, C, Python, Java 以及 MATLAB接口，并支持Windows, Linux, Android and Mac OS操作系统。通用机器学习MLPackDLibecoggsharkJava自然语言处理CoreNLP—斯坦福大学的

转自：http://garfileo.is-programmer.com/2011/2/19/hello-ga.24563.html这篇文章讲述如何利用遗传算法解决一个二元函数的最大值求解问题。由于我对遗传算法的理解还处于菜鸟级别，所以本文所讲的方法以及所写的程序不一定 正确。之所以写这篇文章，是因为我已经烦透了教科书或论文里对遗传算法那么刻板的叙述，所以很想写一篇稍微轻松一点的入门文

转自：http://www.cnblogs.com/tornadomeet/p/3518010.html前言：　　本次实验是用EM来学习HMM中的参数，并用学好了的HMM对一些kinect数据进行动作分类。实验内容请参考coursera课程：Probabilistic Graphical Models 中的的最后一个assignmnet.实验用的是kinect关节点数据，由于HMM是一个时

http://www.cs.toronto.edu/~hinton/         这个是机器学习顶级人物Hinton的网址。

转自：http://www.zhizhihu.com/html/y2011/3632.html一直以来，总是觉得国外的PhD们的教育以及课程的安排很好很强大，虽然是说很累作业多工作量大，但是功率大了，效果好点儿，浪费的时间也少，年轻人哪有怕苦怕累的。比比身边好多每天睡超过12小时的研究生们，不知道是谁更幸福一点儿。我也经常拿我所在的大学的研究生博士跟自己所了解的美国那边

Kalman滤波器从原理到实现 - xiahouzuoxin - 博客频道 - CSDN.NEThttp://blog.csdn.net/xiahouzuoxin/article/details/39582483

转自http://www.cnblogs.com/chenbjin/p/3869745.html在上一篇博文中，我们对KNN算法思想及流程有了初步的了解，KNN是采用测量不同特征值之间的距离方法进行分类，也就是说对于每个样本数据，需要和训练集中的所有数据进行欧氏距离计算。这里简述KNN算法的特点：优点：精度高，对异常值不敏感，无数据输入假定缺点：计算复杂度高，空间复杂度高适用数

FROM:https://www.cnblogs.com/alan-babyblog/p/5147770.html有句话经典的概括了这段代码的意义：“Make a script both importable and executable”意思就是说让你写的脚本模块既可以导入到别的模块中用，另外该模块自己也可执行。这句话，可能一开始听的还不是很懂。下面举例说明：