2017年10月_五癫

12月 11月 10月 09月 08月 07月 06月

转载贝叶斯（朴素贝叶斯，正太贝叶斯）及OpenCV源码分析

原出处不祥，我转载自http://blog.csdn.net/App_12062011/article/details/52164579（别人也是转载的）一、原理 OpenCV实现的贝叶斯分类器不是我们所熟悉的朴素贝叶斯分类器（Naïve Bayes Classifier），而是正态贝叶斯分类器（Normal Bayes Classifier），两者虽然英文名称很相似，但它

2017-10-31 10:12:26 1415

原创机器学习-朴素贝叶斯法笔记

1.什么是朴素贝叶斯法？先从名字入手：朴素：指特征条件独立贝叶斯：指基于学习好的模型，对给定的输入x利用贝叶斯定理求出后验概率最大的输出y总结：朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。2.朴素贝叶斯法的用途？对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布，然后基于此模型，对给定的输入x利用贝叶斯定理求出后验概率最大的输出

2017-10-28 13:17:15 559

原创机器学习-感知机笔记（题目举例和代码解答）

1.题目2.解答#include#include#include#includeusing namespace std;typedef vector featureVct;typedef int label;class Perceptron;void printRes(Perceptron pp);class Perceptron{private: v

2017-10-27 21:57:01 2369

原创机器学习-感知机笔记

1.什么是感知机感知机（perceptron）是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1二值，属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得感知机模型。分为原始形式和对偶形式。2.感知机模型3.感知机的学习策略为了找出超

2017-10-27 13:34:02 366

原创机器学习-泛化能力笔记

1.什么是泛化能力？在机器学习方法中，泛化能力通俗来讲就是指学习到的模型对未知数据的预测能力。在实际情况中，我们通常通过测试误差来评价学习方法的泛化能力。2.泛化误差的定义大家马上应该发现，这个不是损失函数的期望吗？？没错，泛化误差就是所学习到的模型的损失函数期望（期望误差）3.泛化误差上界

2017-10-27 09:57:45 14547 2

原创机器学习-联合概率分布笔记

1.什么是联合概率分布？联合概率分布简称联合分布，是两个及以上随机变量组成的随机向量的概率分布。根据随机变量的不同，联合概率分布的表示形式也不同。对于离散型随机变量，联合概率分布可以以列表的形式表示，也可以以函数的形式表示；对于连续型随机变量，联合概率分布通过一非负函数的积分表示。2. 举例说明联合概率分布打靶时命中的坐标（x，y）的概率分布就是联合概率分布（涉及两个随

2017-10-24 18:13:56 46370 3

原创监督学习-基本概念笔记

1.相关基本概念输入空间输入所有可能取值的集合称为输入空间输出空间输出所有可能取值的集合称为输出空间特征空间每个具体的输入是一个实例（instance），通常由特征向量表示。这时，所有特征向量存在的空间称为特征空间（feature space），特征空间的每一维对应于一个特征。注意：输入空间和特征空间有时是相同空间，有时不是，不是的时候我们需要将实例从输入空间映

2017-10-24 14:14:18 660

原创机器学习开篇-记于2017-10-24

1.机器学习的分类（首先明确常见类别）监督学习大体上讲：对一组给定的输入提供应有的输出结果，也就是对训练样本集中的每个样本都能提供其真实输出，有时还能提供预测错误的代价。监督学习中的经典学习算法：决策树、人工神经网络、贝叶斯网络、支持向量机等。对应于数学来讲：此处我们转换一下思维，联想一下从小学习的数学。以前我们经常碰到的问题，给出两点坐标a(x1,y1),b(x2,y2)，另给

2017-10-24 09:56:46 298

原创 ubuntu14.04下安装eclipse+PyDev

1.环境说明我选用的环境：ubuntu14.04 64位选择eclipse luna + jdk1.7+PyDev4.5.5(注意eclipse/jdk/PyDev版本的对应性，很多人安装失败就是因为版本的不匹配）----pydev官方的说法是 pydev5以上都是需要jdk8+Eclipse4.5以上的支持才行 2.eclipse的安装进入官网，选择eclips...

2017-10-10 18:48:24 627 1