算法理论
文章平均质量分 55
phoebe_IT
开始记录自己成长的点滴,以防自己回首时,发现自己什么都没有留下来。
展开
-
想做机器学习,推荐下面资料
想做机器学习,推荐下面资料:C++计算机视觉CCV —基于C语言/提供缓存/核心的机器视觉库,新颖的机器视觉库OpenCV—它提供C++, C, Python, Java 以及 MATLAB接口,并支持Windows, Linux, Android and Mac OS操作系统。通用机器学习MLPackDLibecoggsharkClosure通用机器学习转载 2015-12-09 11:18:54 · 1655 阅读 · 0 评论 -
BTree和B+Tree详解
转载自:http://blog.csdn.net/endlu/article/details/51720299B 树是为了磁盘或其它存储设备而设计的一种多叉(下面你会看到,相对于二叉,B树每个内结点有多个分支,即多叉)平衡查找树。B 树又叫平衡多路查找树。一棵m阶的B 树 (m叉树)的特性如下:树中每个结点最多含有m个孩子(m>=2);转载 2017-07-19 14:22:55 · 434 阅读 · 0 评论 -
逻辑回归原理小结
转载自:http://www.cnblogs.com/pinard/p/6029432.html逻辑回归是一个分类算法,它可以处理二元分类以及多元分类。虽然它名字里面有“回归”两个字,却不是一个回归算法。那为什么有“回归”这个误导性的词呢?个人认为,虽然逻辑回归是分类模型,但是它的原理里面却残留着回归模型的影子,本文对逻辑回归原理做一个总结。1. 从线性回归到逻辑回归 我们知转载 2017-03-19 21:55:55 · 904 阅读 · 0 评论 -
SimHash算法原理
题外话:突然想要了解这个算法,但是看了半天别人说的,半天不知所云,看了下面这位大神的解说,立即毛瑟顿开,知道这个算法是干什么的了转载自:http://blog.csdn.net/lihaitao000/article/details/52355704刚到公司项目中用到了simhash,但没有详细的了解,后来被问到原理,结果就狗带了。。下面是自己查资料和自己的一些理解,不愧是go转载 2017-01-23 10:55:40 · 422 阅读 · 0 评论 -
[推荐算法]ItemCF,基于物品的协同过滤算法
来自于《推荐系统实战》基于邻域的算法转载 2017-02-28 17:50:00 · 1159 阅读 · 0 评论 -
数学符号读法大全
1 Α α alpha a:lf 阿尔法 角度;系数2 Β β beta bet 贝塔 磁通系数;角度;系数3 Γ γ gamma ga:m 伽马 电导系数(小写)4 Δ δ delta delt 德尔塔 变动;密度;屈光度5 Ε ε epsilon ep`silon 伊普西龙 对数之基数6 Ζ ζ zeta zat 截塔 系数;方位角;阻抗;相对粘度;原子序数7 Η η原创 2017-02-28 16:14:12 · 1619 阅读 · 0 评论 -
TF-IDF及其算法
转载自:http://www.cnblogs.com/biyeymyhjob/archive/2012/07/17/2595249.htmlTF-IDF及其算法概念 TF-IDF(term frequency–inverse document frequency)是一种用于资讯检索与资讯探勘的常用加权技术。TF-IDF是一种统计方法,用以评估一字词对于一个文转载 2016-02-02 11:18:31 · 460 阅读 · 0 评论 -
最大熵模型中的数学推导
关于最大熵得推导,内容还是比较详尽,对最大熵得理解有很大的帮助作用转载自:http://www.kuqin.com/shuoit/20141027/342889.html0 引言写完SVM之后,一直想继续写机器学习的系列,无奈一直时间不稳定且对各个模型算法的理解尚不够,所以导致迟迟未动笔。无独有偶,重写KMP得益于今年4月起个人组织的算法班,而动笔继续写这个机器学习系列,正得益转载 2015-12-26 12:11:55 · 340 阅读 · 0 评论 -
机器学习中的范数规则化之(一)L0、L1与L2范数
转载自:http://blog.csdn.net/zouxy09/article/details/24971995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,我将这个五个部分转载 2015-12-24 17:26:32 · 406 阅读 · 0 评论 -
有监督学习 和 无监督学习 的具体含义
很好的解释了什么是监督学习什么是非监督学习,浅显易懂,值得学习转载 2015-12-24 17:12:41 · 3362 阅读 · 0 评论 -
Coursera公开课笔记: 斯坦福大学机器学习第七课“正则化(Regularization)”
转载自:http://blog.csdn.net/zouxy09/article/details/24971995Coursera公开课笔记: 斯坦福大学机器学习第七课“正则化(Regularization)”非常好的笔记,学到了不少好东西斯坦福大学机器学习第七课"正则化“学习笔记,本次课程主要包括4部分:1) The Proble转载 2015-12-24 15:51:21 · 472 阅读 · 0 评论 -
对经常所使用算法的一些简单总结
算法一:k-近邻算法1、优缺点总结:优点:精度高,对异常值不敏感,无数据输入假定 缺点:计算复杂度高、空间复杂度高 使用数据范围:数值型和标称型2、算法流程:K-近邻算法的一般流程(1) 收集数据:可以使用任何方法;(2) 准备数据:距离计算所需要的数据,最好是结构化的数据格式;(3) 分析数据:可以使用任何方法;(4)原创 2016-01-20 18:02:07 · 2561 阅读 · 3 评论 -
MapReduce Kmeans聚类算法
转载自:http://www.cnblogs.com/chaoku/p/3748456.html这个哥们挺用心的,把这个kmeans代码注释的很好,思路相当清晰,学习了!最近在网上查看用MapReduce实现的Kmeans算法,例子是不错,http://blog.csdn.net/jshayzf/article/details/22739063但注释太少了,而且参数转载 2015-12-17 18:33:02 · 888 阅读 · 0 评论 -
从K近邻算法、距离度量谈到KD树、SIFT+BBF算法
转载自:http://www.cnblogs.com/v-July-v/archive/2012/11/20/3125419.html 从K近邻算法、距离度量谈到KD树、SIFT+BBF算法前言 前两日,在微博上说:“到今天为止,我至少亏欠了3篇文章待写:1、KD树;2、神经网络;3、编程艺术第28章。你看到,blog内的文章与你于别处所见的任何都不同。于转载 2015-11-19 10:27:41 · 1048 阅读 · 0 评论 -
一、常见算法之排序算法简单描述
转载自:https://www.cnblogs.com/bulingpan/p/6416351.html一、常见算法之排序算法简单描述1、冒泡排序基本思想:两两比较,小的上浮,大的下沉。算法描述:对一组数据,两个两个的依次比较,将小数放到前面,大数放到后面(小的上浮,大的下沉)第一次排序:首先比较第1个和第2个数,将小数放前,大数放后。然后比较第2个数和第3个数,将小数放前,大...转载 2018-12-28 18:07:21 · 362 阅读 · 0 评论