- 博客(7)
- 收藏
- 关注
RSS订阅原创 线性回归和正则化（Regularization）
1.线性回归介绍线性模型的向量形式为了解决这个问题，我们采用最小二乘估计求解参数Beta，最小二乘的几何介绍图来源（ESL p45)最小二乘的几何解释 过拟合问题：2.存在问题 过拟合所以针对过拟合问题，通常会考虑两种途径来解决：a) 减少特征的数量：-人工的选择保留哪些特征；-模型
2014-04-08 20:14:40
20076
原创 稀疏主成分分析（Sparse PCA）概述
Hui Zou et al. 2006年发表在《Journal of computational and graphical statistics》上的文章“Sparse principal component analysis” [1] 首次提出SparsePCA 的概念，截止到目前（2014年4月3日）该文章已经被引用853次（参考谷歌学术搜索数据）[2]。Literature “Sp
2014-04-03 11:10:59
14656
2
原创 日程计划
2014.3.19师兄讲坛任务分配：（Deadline:2014-3-22，周六）1.调查问卷（肖）2.胸章图案（李）3.林老师（夏）4.邮件（许）下周解决问题：1.岭回归、Regularized原因（许）2.conjugate gradient、BFGS、L-BFGS介绍（乐乐）3.骰子（肖）4.仿射变换（夏）
2014-03-20 20:55:13
711
原创 浅谈卡尔曼滤波器
1795年，高斯为了测定行星轨道提出了最小二乘估计法。1942年，维纳为了解决火力控制系统精度跟踪问题，提出了维纳滤波理论。维纳滤波理论首次将数理统计理论与线性理论有机结合，形成了对随机信号最有估计新理论~~但是频域设计法使其应用困难，人们开始寻求时域内直接设计最有滤波的方法。1960年，卡尔曼发表论文《A New Approach to Linear Filter
2014-03-07 23:08:24
3020
1
原创 主成分分析（PCA）的来龙去脉
1.介绍说起PCA，还真一时说不上来它的定义，遂百度了一下，看看度娘如何说？主成分分析 （ Principal Component Analysis ， PCA ）或者主元分析，是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题，计算主成分的目的是将高维数据投影到较低维空间。这几句话其实已经把PCA的主要思想讲到了，就是抽取出数据的主要因
2014-03-03 21:49:52
3319
原创 Deep Learning入门
主要探讨三个问题：1.什么是深度学习？2.他是如何实现的？3.他可以做什么？4.他的局限性？简介深度学习的概念由Hinton等人于2006年提出。2012年6月，《纽约时报》披露了Google Brain项目，吸引了公众的广泛关注。2012年11月，微软在中国天津演示了一个全自动的同声传译系统，后面支撑的关键技术也是DNN。2013年1月，在百度年会上，创始
2014-01-02 23:40:46
974
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人