![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 77
Dongdong Bai
这个作者很懒,什么都没留下…
展开
-
Ubuntu14.04下搭建Kinect V2的环境以及出现的问题解决方案
请各位注意是kinect V2,kinect有两个版本,V1和V2一、安装1、Download libfreenect2 sourcegit clone git@github.com:DongdongBai/libfreenect2.gitcd libfreenect22、Download upgrade deb filescd depends; ./download_debs_trusty.sh原创 2017-02-04 11:50:06 · 12393 阅读 · 5 评论 -
机器学习中的训练集、验证集和测试集
在机器学习中我们把数据分为测试数据和训练数据。 测试数据就是测试集,是用来测试已经训练好的模型的泛化能力。 训练数据常被划分为训练集(training set)和验证集(validation set),比如在K-折交叉验证中,整个训练数据集D,就被分为K个部分,每次挑选其中的(K-1)部分做训练集,剩下的部分为验证集。 训练集是用来训练模型或确定模型参数的,如ANN中权值,CNN中的权值等;验证集原创 2017-04-02 20:06:19 · 6037 阅读 · 1 评论 -
Ubuntu14.04下搭建Kinect V1的环境
请各位注意是kinect V1,kinect有两个版本,V1和V21.安装依赖项sudo apt-get install git build-essential python libusb-1.0-0-dev freeglut3-devsudo apt-get install doxygen graphviz mono-complete2.安装OpenNImkdir ~/kinectcd ~/k原创 2017-02-04 10:51:29 · 2919 阅读 · 0 评论 -
机器学习问题解决思路
机器学习问题解决思路上面带着代价走马观花过了一遍机器学习的若干算法,下面我们试着总结总结在拿到一个实际问题的时候,如果着手使用机器学习算法去解决问题,其中的一些注意点以及核心思路。主要包括以下内容:拿到数据后怎么了解数据(可视化)选择最贴切的机器学习算法定位模型状态(过/欠拟合)以及解决方法大量级s的数据的特征分析与可视化各种损失函数(loss function)的优缺点及如何选择转载 2017-02-04 11:56:37 · 2481 阅读 · 0 评论 -
监督学习的结构与各种损失函数
监督学习的结构与各种损失函数监督学习的结构 监督机器学习问题无非就是“minimizeyour error while regularizing your parameters”,也就是在规则化参数的同时最小化误差。最小化误差是为了让我们的模型拟合我们的训练数据,而规则化参数是防止我们的模型过分拟合我们的训练数据。多么简约的哲学啊!因为参数太多,会导致我们的模型复杂度上升,容易过拟合,也原创 2017-02-02 20:51:26 · 3558 阅读 · 0 评论 -
机器学习中的范数规则化之(一)L0、L1与L2范数
机器学习中的范数规则化之(一)L0、L1与L2范数 今天我们聊聊机器学习中出现的非常频繁的问题:过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这里因为篇幅比较庞大,为了不吓到大家,我将这个五个部分分成两篇博文。知识有限,以下都是我一些浅显的看转载 2017-01-29 13:36:51 · 430 阅读 · 0 评论 -
机器学习中的范数规则化之(二)核范数与规则项参数选择
机器学习中的范数规则化之(二)核范数与规则项参数选择zouxy09@qq.comhttp://blog.csdn.net/zouxy09 上一篇博文,我们聊到了L0,L1和L2范数,这篇我们絮叨絮叨下核范数和规则项参数选择。知识有限,以下都是我一些浅显的看法,如果理解存在错误,希望大家不吝指正。谢谢。 三、核范数 核范数||W||*是指矩阵奇异转载 2017-02-02 19:07:14 · 421 阅读 · 0 评论 -
Normalization(标准化)的原理和实现详解
Normalization这个名词在很多地方都会出现,但是对于数据却有两种截然不同且容易混淆的处理过程。对于某个多特征的机器学习数据集来说,第一种Normalization是对于将数据进行预处理时进行的操作,是对于数据集的各个特征分别进行处理,主要包括min-max normalization、Z-score normalization、 log函数转换和atan函数转换等。第二种Normaliza原创 2017-10-08 14:30:03 · 44304 阅读 · 2 评论