![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能学习笔记
小红师兄
在读人工智能博士,不定期上传一些笔记,有错误的地方欢迎批评指正
展开
-
Adaboost的简单理解和详细数学推导
简单理解与随机森林类似,AdaBoost也是由多个“树桩”构成。但是,不同的是,随机森林的每个“树桩”权重相等,而AdaBoost会给每个“树桩”分配不同的权重。简单地讲,它的整个流程是:其中,话语权是指每个弱学习器(树桩)的权重系数,数值越大,该弱学习器对结果的影响越大。数学原理我们的目的是为了得到如下这样的式子:H(x)=sign(∑t=1Tht′(x))H\left ( x \...原创 2020-02-07 06:07:24 · 1471 阅读 · 0 评论 -
小白也能看懂的Gradient Boosting的简单理解
近期学到这个,整理了一下笔记发上来~小建议:先理解信息熵、决策树、Adaboost以及机器学习基础,这样学起来更容易懂~简单理解我们知道,ensemble learning(可以理解为“组学习”)分为bagging和boosting。首先,我们从对Gradient Boosting的简单理解开始~(敲黑板~重点关注下Residual)我们先从一个示例数据集(来源于Josh Starme...原创 2020-02-06 08:18:02 · 1262 阅读 · 0 评论 -
计算机视觉之混合图像(Hybrid)
这是之前做过的一个关于实现Hybrid Image的小项目,有错误及不足的地方还请批评指正~怎么理解图像的高低频?图像的低频部分可以理解为“轮廓”,比如人脸的脸型。图像的高频部分可以理解为“细节”,比如人脸的皱纹、斑点等。因此,我们常说,对图像做模糊处理后得到了图像的低频部分,对图像做锐化处理会让图像的高频信息更多。(看到这里,玩过摄影的朋友是不是想到了人像处理中常用的“高低频磨皮”~)...原创 2020-02-01 08:29:09 · 2799 阅读 · 0 评论 -
NMF简介及其与PCA的区别
NMF简介及其与PCA的区别本文简单介绍非负矩阵分解 —— Non-negative Matrix Factorization (NMF)以及它与Principal Component Analysis (PCA)在学习机器学习基础和计算机视觉时,PCA的通俗解释及例子在网上很容易就能找到,但NMF的却寥寥无几。于是想写一篇关于NMF的简短的文章,便于跟我当初一样在初学时对于NMF的理解不是很...原创 2020-01-29 05:54:28 · 3516 阅读 · 0 评论