- 博客(11)
- 资源 (24)
- 收藏
- 关注
原创 如何为分类问题选择合适的机器学习算法
若要达到一定的准确率,需要尝试各种各样的分类器,并通过交叉验证选择最好的一个。但是,如果你只是为你的问题寻找一个“足够好”的算法或者一个起点,以下准则有利于选择合适的分类器:你的训练集有多大?如果训练集很小,那么高偏差/低方差分类器(如朴素贝叶斯分类器)要优于低偏差/高方差分类器(如k近邻分类器),因为后者容易过拟合。然而,随着训练集的增大,低偏差/高方差分类器将开始胜出(它们具有较低
2014-05-22 15:07:32 2192
转载 【Visual C++】关于无法打开包括文件:“StdAfx.h”或者意外结尾的错误解决方案
最近有朋友在编译我提供的【Visual C++】游戏开发某一节笔记的源代码的时候,提到出现 “fatal error C1083: 无法打开包括文件:“StdAfx.h”这个错误。这里我专门找了点资料,然后部分修改,写成了一篇博文发出来,希望能对出现这个问题的朋友们有所帮助。这个错误大都是由于预编译头文件及#include这两者的关系纠缠不清引起的,呵呵。这里我们采用vs2
2014-05-15 21:29:59 13146
原创 深度学习资料整理(从感知机到深度网络)
1 感知机感知机是最早的监督式训练算法,是神经网络构建的基础。新的数据标记、分类实现:通过数据平面上的一条线来将不同标记的数据点分开,并用这条线作为“分类器”来区分新数据点的标记。缺点:只能学习 线性可分函数 。如 XOR函数,不能被线性分类器分类。多层感知机诞生:多层感知机——前馈神经网络(组合一群这样的感知机来创建出一个更强大的学习机器)2前馈神经网络神经网络实际上就
2014-05-12 18:53:15 2177
原创 深度学习资料整理(软件资源)
深度学习( Deep Learning )软件资源列表列表源自http://deeplearning.net/software_links/,本文进行分类整理。星号代表对软件库的推荐度,考虑了适用范围、开发语言、更新情况、文档示例完整性等方面,Just personal opinion。根据编程语言,对深度学习的软件资源分类:PYTHON:★★★★★ 五星The
2014-05-07 11:01:28 12904
原创 Andrew Ng机器学习课程总结
Andrew Ng机器学习课程总结Andrew Ng的机器学习课程讲授的详尽而又易于理解,适合初学者。相关资源见斯坦福公开课与Ng的主页,英文不好的同学推荐网易公开课。Ng的课件关于理论介绍的很好,这里只做摘要,具体参见其课件。主要知识点:线性回归梯度下降最小二乘似然估计 logistic回归感知器 1)回归:对连续变量的预测。2)线性回归(Linear Regression):假
2014-05-07 10:53:24 2037
原创 深度学习资料整理(深度神经网络理解)
深度神经网络(deep neural network) 深度就是隐层多,多层的好处是可以用较少的参数表示复杂的函数。 在监督学习中,以前的多层神经网络的问题是容易陷入局部极值点。如果训练样本足够充分覆盖未来的样本,那么学到的多层权重可以很好的用来预测新的测试样本。实际情况下面对多任务难以得到足够多的标记样本,此时,简单的模型如线性回归或者决策树往往能得到比多层神经网络更好的结果
2014-05-07 10:43:03 4460
原创 深度学习总结——感自中科院吴怀宇教授
深度学习总结—— 感自中科院吴怀宇教授参考http://www.sigvc.org/bbs/forum.php?mod=viewthread&tid=3322提示:图灵测试(Turing Testing)是计算机是否真正具有人工智能的试金石。“计算机科学之父”及“人工智能之父”英国数学家阿
2014-05-07 09:38:55 4716
原创 深度学习资料整理(压缩感知)
压缩感知技术 压缩感知(Compressive Sensing, orCompressed Sampling,简称CS),由Candes、TerresTao等人提出,挑战传统的Nyquist采样定理采样编码技术。 压缩感知理论为信号采集技术带来了革命性的突破,它采用非自适应线性投影来保持信号的原始结构,以远低于奈奎斯特频率对信号进行采样,通过数值最优化问题准确重构出原始信号。经典的
2014-05-06 22:48:10 8833
原创 支持向量机理解和总结
1 SVM1.1 SVM的正确理解 SVM的基本原理普遍表述:SVM通过非线性变换把原空间映射到高维空间,然后在这个高维空间构造线性分类器(在高维空间数据点更容易分开)。甚至有部分学者认为SVM可以克服维数灾难(curseof dimensionality)。 如果这样理解SVM的基本原理,我觉得还没有看到问题的本质。因为这个看法不能解释下面的事实:SVM在高维空间里构建分
2014-05-06 22:13:53 3571
原创 主成分分析、因子分析、聚类的概览与比较
主成分分析、因子分析、聚类的概览与比较主成分分析:利用降维(线性变换)的思想,在损失很少信息的前提下把多个指标转化为几个综合指标(主成分),用综合指标来解释多变量的方差——协方差结构,即每个主成分都是原始变量的线性组合,且各主成分之间互不相关,使得主成分比原始变量具有某些更优越的性能(主成分必须保留原始变量90%以上的信息),从而达到简化系统结构,抓住问题实质的目的综合指标即为主成分。求解
2014-05-06 21:28:56 5565
AP(Affinity Propagation)聚类聚类算法介绍(发表在Science杂志上)
2015-04-14
Robust Recovery of Subspace Structures by Low-Rank Representation
2015-04-07
GPSR--求解L1范数优化包
2015-03-27
liblinear 软件包(最新版本1.95)
2014-11-08
opencv camshift 实现目标跟踪
2014-06-18
opencv 实现 meanshift 的目标跟踪
2014-06-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人