![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
Sun-Flower
最近在自学图像处理方面的知识,对于深度学习也比较感兴趣
展开
-
机器学习基础篇学习
因为需要用到神经网络,但是要求有一定的机器学习基础,所以在网上找了一些相关的视频进行学习,最近几天看了彭亮老师的视频,有基础篇,也有进阶篇,感觉内容很充实,理论之后又有相应的编码实验,有助于对算法的理解与掌握,通过实验,真正感受到了python的强大。 实验环境采用的是Aconda+eclipse,可以直接在官网上下载,安装也比较简单。 视频资源: 基础阶段视频:https://pan.b原创 2016-12-05 17:28:49 · 980 阅读 · 0 评论 -
神经网络正向传播与反向传播
假设网络结构如下: 初始化参数为: 正像传播: 公式: (也可以用tanh函数代替) 计算: 反向传播: 对于输出层误差:对于隐藏层误差:权重更新:偏向更新:计算(假设学习率为0.9):原创 2017-02-27 14:48:50 · 5100 阅读 · 0 评论 -
K-means算法原理实现
k-means算法原理,在下面一片文章中讲解的简单易懂: http://www.jianshu.com/p/fc91fed8c77b代码实现:#include<highgui.hpp> #include<imgproc.hpp> #include<math.h> #include<core.hpp> #include<iostream> using namespace cv; using name原创 2016-07-17 18:04:45 · 650 阅读 · 0 评论 -
K-means算法补充:K-means++
K-means算法是机器学习经典算法之一,对于机器学习的初学者来说,最先接触的应该就是该算法,对于K-means算法思想都已经很熟悉了,本文主要介绍K-means聚类中心的初始化。 K-means算法对聚类中心的初始化比较敏感,不同的初始值会带来不同的聚类结果。在标准的K-means算法中,初始聚类中心采用随机采样方式,但是不能保证得到期望的聚类结果。为了获得较好的聚类结果,也可以采用多次随机初原创 2017-05-05 15:32:33 · 843 阅读 · 0 评论 -
决策树--ID3算法
1、基本理论:熵、信息增益 http://www.cnblogs.com/wentingtu/archive/2012/03/24/2416235.html2、ID3算法步骤: 输入:数据集dataset(所有样本的属性值),标签集labels(决策结果集) 输出:一颗判定树 (1)if dataset所有样本都属于同一分类(即只有天气晴才出去玩,其他情况都不出去,都属于天气这一分类)原创 2017-05-08 15:11:45 · 691 阅读 · 0 评论 -
cs231n作业1--KNN
一、KNN算法: 1、算法思想:kNN算法则是从训练集中找到和新数据最接近的k条记录,然后根据他们的主要分类来决定新数据的类别。该算法涉及3个主要因素:训练集、距离或相似的衡量、k的大小。 2、优缺点:需要存储训练集,把测试样本分别与训练集中每一个数据进行比较,存储与计算读很耗费资源。由于要存储大量训练样本集,所以就SVM、softmax分类器就利用权重来记录样本信息(此处用记录样本信息,是因为原创 2017-04-26 10:45:16 · 913 阅读 · 0 评论 -
cs231n作业1--SVM
SVM算法: 1、算法思想:寻找一个超平面来划分不同类别的数据。http://www.cnblogs.com/end/p/3848740.html用图表很好的解释了什么是SVM 2、损失函数公式: 表示每个样本分类的损失值 对所有测试样本的平均损失值3、求导(梯度公式) : 在代码理解过程中遇到了一些原创 2017-04-26 11:58:38 · 2153 阅读 · 0 评论 -
cs231n作业1--softmax
1、思想: 与SVM不同,SVM直接利用线性映射的结果进行计算损失值,而softmax需要对线性映射得到的值进行指数归一化,然后在进行损失值计算。在SVM损失函数中使用的是折叶函数,而在softmax中使用的交叉熵函数。 2、损失函数公式: 每个测试样本的损失值计算 所有测试样本的损失值计算3、梯度公式: http://www.jianshu.com/p/8eb17fa4116原创 2017-04-26 16:21:31 · 1429 阅读 · 0 评论 -
cs231n作业1--two_layer_net
已有很多人写了关于cs231n作业的博客,而且写的特别好。我写此只是为了加强理解与记忆。http://blog.csdn.net/yc461515457/article/details/51944683上文很详细的推导了对网络求解梯度的公式与思路!原创 2017-04-26 21:35:50 · 1117 阅读 · 0 评论