![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 78
starspringcloud
这个作者很懒,什么都没留下…
展开
-
机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
原文出处:http://www.cnblogs.com/tornadomeet/p/3395593.html 前言: 找工作时(IT行业),除了常见的软件开发以外,机器学习岗位也可以当作是一个选择,不少计算机方向的研究生都会接触这个,如果你的研究方向是机器学习/数据挖掘之类,且又对其非常感兴趣的话,可以考虑考虑该岗位,毕竟在机器智能没达到人类水平之前,机器学习可以作为一种重要转载 2016-03-10 10:41:13 · 527 阅读 · 0 评论 -
斯坦福大学机器学习-note2
Part IV 生成学习算法 至今,我们已经大体讨论了这样的学习算法模型:p(y|x; θ),给定x时,y的条件概率分布。例如,逻辑回归模型:p(y|x; θ) ,其中: 这里函数g是一个sigmoid函数。在本文中,我们将讨论另一种类型的学习算法。 考虑这样的一个分类问题:我们需要根据动物的特征来,区分大象(y = 1)和狗(y = 0),对于给定训练集合,逻辑回归或者感知算法,需翻译 2016-02-17 11:27:44 · 599 阅读 · 0 评论 -
机器学习算法基础概念学习总结
原文出处:http://blog.csdn.net/lantian0802/article/details/38333479 1.基础概念: (1) 10折交叉验证:英文名是10-fold cross-validation,用来测试算法的准确性。是常用的测试方法。将数据集分成10份。轮流将其中的9份作为训练数据,1分作为测试数据,进行试验。每次试验都会得出相应的正确率(或差错率)。转载 2016-03-10 10:43:06 · 549 阅读 · 0 评论 -
斯坦福大学机器学习-note9
Part X 因子分析 当我们有一组来自混合高斯模型的数据 ,使用EM算法可以计算出混合模型。在这个设置中,我么通常认为有足够的样本 用来描述高斯结构。例如:样本的个数m 远大于样本的特征维度。 现在,考虑当n>>m的情况。在这样的问题里面,即使建立一个单高斯模型都是困难的,更别说一个混合高斯模型。特别的,由于 m个数据点只是 的一个低纬子空间,如果我们使用m个数据点建立高斯翻译 2016-03-10 16:17:01 · 740 阅读 · 0 评论 -
SVM完全解析
个人SVM学习体会,从分类超平面距离最大化,一路推导到SMO算法,详细内容见下面链接 http://note.youdao.com/share/?id=b64f58753ebf56a823d0ff931fc91e29&type=note#/原创 2016-04-19 00:31:00 · 292 阅读 · 0 评论