Note of Transposition

5 非参数密度估计

Lecture 1: The Learning Problemwhat is machine learning?人类的学习：

Lecture 3 - Types of LearningLearning with Different Output Space

Lecture 2: Learning to Answer Yes/NoPerceptronA Simple Hypothesis Set: the ‘Perceptron’

一、不兼容64位错误提示：libsvm 64-bit mex files using sparse matrices must be rebuilt with the "-largeArrayDims" option解决方法：将 make.m中 的 -o 全部替换成 -largeArrayDims最终结果如下：mex -largeArrayDims -c svm.cpp

SVM（支持向量机）- 基本思想 Referenc:Pluskid系列博客《Pattern recognition and machine learning》CM Bishop - 2006《convex optimization》SP Boyd, L Vandenberghe – 2004说明：本系列纯粹是pluskid博客的狗尾续貂之作，写下了只是想让自己踏

From:http://www.cnblogs.com/cloudseawang/archive/2012/02/25/2367459.htmlIn this article I compile a list of good papers and tutorials related to MRFs, CRFs and DRFs. Hopefully you will find it usefu

题目中所说到的四个词语，都是Machine Learning以及相关领域中热门的研究课题。表面看属于不同的topic，实际上则是看待同一个问题的不同角度。不少文章论述了它们之间的一些联系，让大家看到了这个世界的奇妙。从图说起这里面，最简单的一个概念就是“图”(Graph)，它用于表示事物之间的相互联系。每个图有一批节点(Node)，每个节点表示一个对象，通过一些边(Edge)把这些

对于分类问题，我们早已习惯，先分类标号，选择分类器训练，然后识别，根本没有想过还有没有其它方式。认知学的研究表明，大脑对于新事物的识别一个看"它像什么"的问题，而不是直接分类判断"它是什么"的问题。我们是通过和它最像的物体的信息来得知它是什么。英语中的recognition是re- cognition即再认知，再字即体现了参考先例的含义。本文基于这一思路提出了Exemplar-SVM,属于instance-based methods。

对于分类问题，我们早已习惯，先分类标号，选择分类器训练，然后识别，根本没有想过还有没有其它方式。认知学的研究表明，大脑对于新事物的识别一个看"它像什么"的问题，而不是直接分类判断"它是什么"的问题。我们是通过和它最像的物体的信息来得知它是什么。英语中的recognition是re- cognition即再认知，再字即体现了参考先例的含义。本文基于这一思路提出了Exemplar-SVM,属于instance-based methods。

SVM（3）- Lagrange dualityReferenc:Pluskid系列博客,Liqizhou 《Pattern recognition and machine learning》CM Bishop - 2006《convex optimization》SP Boyd, L Vandenberghe – 2004说明：本系列纯粹是

验证码是一个非常有意思的问题，它的目的是区分输入者是人还是机器，这个问题本质上是一个图灵测试（推荐电影《模仿游戏》），验证码即是一种简单高效的验证方法，由CMU的教授于2000年左右创造，后来此牛人又将零星的验证码收集起来，转化为巨大的生产力，成功将上千万篇纸质文章数字化，目前Google还用其识别门牌号，路牌等（一个神人创造了验证码，又让验证码做出了巨大贡献）。12306昨天改用了图形验证码，而事实上，图形验证码已经不是新鲜事了，早在几个月钱，Google就换成了图形验证（谷歌让验证码更简单），这次咱们分