- 博客(372)
- 收藏
- 关注
转载 想法、方法和做法
今天遇到一件事情,在反思的过程中,脑海里出现了这三个词:想法、方法和做法。我觉得很有必要深入梳理一下,以为后面做事提供些参考和思路。其实,这三个词,大家再熟悉不过了,但是与某件事情关联在一起之后,就难以理解它们之间的关系及相互影响。结合自己多年的经验和感悟,这里花点时间谈谈我的浅薄理解。 一、想法。这个很好理解,比较我现在就有一个想法:我想把我所思考的内容整理出来,供大家讨论,相
2014-11-29 09:25:52 3530
转载 机器学习算法汇总:人工神经网络、深度学习及其它
转载自:http://blog.csdn.net/icyzbb/article/details/37883461学习方式根据数据类型的不同,对一个问题的建模有不同的方式。在机器学习或者人工智能领域,人们首先会考虑算法的学习方式。在机器学习领域,有几种主要的学习方式。将算法按照学习方式分类是一个不错的想法,这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最
2014-11-22 17:16:02 1122
转载 Gradient Boosting and GBDT
转载自:http://blog.csdn.net/brandohero/article/details/39209009
2014-11-22 17:13:37 1298
转载 计算机视觉、机器学习相关领域论文和源代码大集合
转载自:http://blog.csdn.net/nulidezhu/article/details/26474109一、特征提取Feature Extraction:· SIFT [1] [Demo program][SIFT Library] [VLFeat]· PCA-SIFT [2] [Project]·
2014-11-22 17:11:47 759
转载 收集了一些python的文章
转载自:http://blog.csdn.net/xyw_blog/article/details/9128777newthreading - safer concurrency for Python 安全并发(1回应) http://www.starming.com/index.php?action=plugin&v=wave&tpl=union&ac=viewgrouppost&g
2014-11-22 17:10:35 1619
转载 CV方面的各种大神
转载自:http://blog.csdn.net/kts_3/article/details/9326117原文地址:机器学习牛人主页及相关会议,论文,期刊作者:小深国际顶级会议AAAICIKM 2010CIKM 2011COLT 2010COLT 2011Computer Vision ResourceICJIAICMLNIPSSIGIR 2010SIGIR 2011
2014-11-22 17:06:15 5046 1
转载 机器学习、数据挖掘之中国大牛
转载自:推荐几个机器学习和数据挖掘领域相关的中国大牛:李航:http://research.microsoft.com/en-us/people/hangli/,是MSRA Web Search and Mining Group高级研究员和主管,主要研究领域是信息检索,自然语言处理和统计学习。近年来,主要与人合作使用机器学习方法对信息检索中排序,相关性等问题的研究。曾在人大听过
2014-11-22 17:05:03 2463
转载 Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning
转载自:http://blog.csdn.net/dan1900/article/details/17787917本栏目(Machine learning)包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM(Support Vector Machines 支持向
2014-11-22 17:04:00 1009
转载 斯坦福机器学习公开课笔记--神经网络的学习
转载自:公开课地址:https://class.coursera.org/ml-003/class/index 授课老师:Andrew Ng1、cost function(代价函数)上一讲的最后引入了多分类问题,多分类问题与二元分类问题的区别就在于输出单元是多个,用图总结如下:同时在前面我们也已经知道逻辑回归的代价函数如下:
2014-11-22 17:02:48 1343
转载 Stanford机器学习---第4讲. 神经网络的表示 Neural Networks representation
转载自:http://blog.csdn.net/hellotruth/article/details/37995427本栏目(Machine learning)包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM(Support Vector Machines
2014-11-22 17:01:39 656
转载 加州理工学院公开课:机器学习与数据挖掘_神经网络
转载自:http://blog.csdn.net/feitianhu213/article/details/39899463课程简介:本节课主要介绍人工神经网络.通过介绍评定模型,随机梯度下降法,生物启发和感知器系统,讲师用视图和数学解析式详细地讲解了神经网络的运行过程以及原理.课程大纲:1、Stochastic Gradient Descent ( 随机梯度下降法
2014-11-22 17:00:24 951
转载 加州理工学院公开课:机器学习与数据挖掘_过拟化
转载自:http://blog.csdn.net/feitianhu213/article/details/40872225课程简介本节课主要介绍了关于机器学习中的过拟化问题。作者指出,区别一个专业级玩家和业余爱好者的方法之一就是他们如何处理过拟化问题。通过该课程,我们可以知道样本数据的拟合并不是越高越好,因为噪声的存在将使得过拟化问题的出现。最后简介了处理过拟合的两种方法。
2014-11-22 16:59:40 788
转载 机器学习与数据挖掘_Regularization
转载自:http://blog.csdn.net/feitianhu213/article/details/40930137课程简介:接上一节课,这一节课的主题是如何利用 Regularization 避免 Overfitting。通过给假设集设定一些限制条件从而避免 Overfitting,但是如果限制条件设置的不恰当就会造成 Underfitting。最后讲述了选择 Regula
2014-11-22 16:58:34 782
转载 机器学习中的算法:决策树模型组合之GBDT(Gradient Boost Decision Tree)
转载自:http://blog.csdn.net/holybin/article/details/22914417前言 决策树这种算法有着很多良好的特性,比如说训练时间复杂度较低,预测的过程比较快速,模型容易展示(容易将得到的决策树做成图片展示出来)等。但是同时,单决策树又有一些不好的地方,比如说容易over-fitting,虽然有一些方法,如剪枝可以减少这种情况,但是还
2014-11-22 16:57:21 1152
转载 特征选择综述
转载自:http://blog.csdn.net/tiandijun/article/details/20799749(1) 什么是特征选择特征选择 ( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS ) ,或属性选择( Attribute Selection ) ,是指从全部特征中选取一个特征子集,使构造
2014-11-22 16:56:13 755
转载 机器学习与人工智能学习资源导引
转载自:http://blog.csdn.net/tiandijun/article/details/20799781我经常在 TopLanguage 讨论组上推荐一些书籍,也经常问里面的牛人们搜罗一些有关的资料,人工智能、机器学习、自然语言处理、知识发现(特别地,数据挖掘)、信息检索 这些无疑是 CS 领域最好玩的分支了(也是互相紧密联系的),这里将最近有关机器学习和人工智能相关的一
2014-11-22 16:55:25 596
转载 数据挖掘、数据分析、人工智能及机器学习课程资源
转载自:Concepts in Computing with Data, BerkeleyPractical Machine Learning, BerkeleyArtificial Intelligence, BerkeleyVisualization, BerkeleyData Mining and Analytics in Intelligent Busine
2014-11-22 16:54:01 821
转载 R语言时间序列函数整理
转载自:http://blog.csdn.net/fennvde007/article/details/37910481【资料】文档1:《R与金融时间序列分析常见问题集》【包】library(zoo) #时间格式预处理library(xts) #同上library(timeSeires) #同上library(u
2014-11-22 16:53:01 3091
转载 数据可视化学习资料
转载自:http://blog.csdn.net/artemisrj/article/details/22932345经验告诉我们,人们往往热衷于搜集资料,然后不看。。。 ----------------------------我是不思进取的分割线--------网站Or博客---------------------------------视物致知 ,《数据
2014-11-21 10:44:08 925
转载 最大熵模型
转载自:http://blog.csdn.net/chjjunking/article/details/6452223最大熵模型:读书笔记 胡江堂,北京大学软件学院1. 物理学的熵2. 信息论的熵3. 熵和主观概率
2014-11-21 10:43:40 734
转载 机器学习数据挖掘-软件、网站、课程资源知识点汇总
转载自:http://blog.csdn.net/godenlove007/article/details/8899186在学习机器学习的有关知识时,搜索到JerryLead的cnblog中的Machine Learning专栏,里面对于机器学习的部分算法和知识点讲解地很经典和透彻。所以Mark在这,多多学习!http://www.cnblogs.com/jerrylead/t
2014-11-21 10:39:16 1854
转载 从K近邻算法、距离度量谈到KD树、SIFT+BBF算法
转载自:http://blog.csdn.net/v_july_v/article/details/8203674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。于是,等啊等,等一台电脑,只好等待..”。得益于田,借了我一台电脑(借他电脑的时候,我连表
2014-11-21 10:36:40 749
转载 马尔科夫随机场
转载自:http://blog.csdn.net/pandalibaba/article/details/17402663在机器视觉领域,一个图像分析问题通常被定义为建模问题,图像分析的过程就是从计算的观点来求解模型的过程。一个模型除了可以表达成图形的形式外,通常使用一个目标函数来表示,因此建模的过程就是定义目标函数的过程,模型求解的过程也就是利用各种优化工具或者知识来解目标函数的过程
2014-11-21 10:32:15 1338
转载 随机游走与马尔科夫链的一些基础
转载自:http://blog.csdn.net/assiduousknight/article/details/18150803这几天在看一些使用到了随机游走的相关文献,整理一下常用的公式和性质随机游走(random walk)矩阵可以看做是马尔科夫链的一种特例。对于一个图G的邻接矩阵A来说,A中的非零元素描述了图G中每一条边的权重(这里一般要求A的对角线为零)。这个
2014-11-21 10:20:21 5233
转载 数据挖掘中所需的概率论与数理统计知识
转载自:http://blog.csdn.net/v_july_v/article/details/8308762数据挖掘中所需的概率论与数理统计知识 (关键词:微积分、概率分布、期望、方差、协方差、数理统计简史、大数定律、中心极限定理、正态分布)导言:本文从微积分相关概念,梳理到概率论与数理统计中的相关知识,但本文之压轴戏在本文第4节(彻底颠覆以前读
2014-11-21 10:18:50 1404
转载 人工智能与机器学习大牛们的blog
转载自:国外人工智能界牛人主页以前转过一个计算机视觉领域内的牛人简介,现在转一个更宽范围内的牛人简介:http://people.cs.uchicago.edu/~niyogi/http://www.cs.uchicago.edu/people/http://pages.cs.wisc.edu/~jerryzhu/http://www.kyb.tuebi
2014-11-21 10:16:13 774
转载 标记偏置 隐马尔科夫 最大熵马尔科夫 HMM MEMM
转载自:http://blog.csdn.net/xum2008/article/details/38147425隐马尔科夫模型(HMM):图1. 隐马尔科夫模型隐马尔科夫模型的缺点: 1、HMM只依赖于每一个状态和它对应的观察对象: 序列标注问题不仅和单个词相关,而且和观察序列的长度,单词的上下文,等等相
2014-11-21 09:56:51 733
转载 基于隐马尔可夫模型的有监督词性标注
转载自:http://blog.csdn.net/xum2008/article/details/38309605词性标注(Part-of-Speech tagging 或 POS tagging)是指对于句子中的每个词都指派一个合适的词性,也就是要确定每个词是名词、动词、形容词或其他词性的过程,又称词类标注或者简称标注。词性标注是自然语言处理中的一项基础任务,在语音识别、信息检索及自
2014-11-21 09:56:11 1347
转载 机器学习与数据挖掘_线性模型 II
转载自:http://blog.csdn.net/feitianhu213/article/details/39832529课程简介:主要内容包括对线性分类及线性回归分析的简单回顾,以及对逻辑回归分析,误差测定与算法三方面的详细讲解,同时对非线性变换的泛化方法进行了剖析.课程大纲:1、Review2、Nonlinear Transform3、The
2014-11-21 09:49:03 720
转载 支持向量机的前世与今生
转载自:http://blog.csdn.net/icyzbb/article/details/364211110 前言又有很长的一段时间没有更新博客了,距离上次更新已经有两个月的时间了。其中一个很大的原因是,不知道写什么好-_-,最近一段时间看了看关于SVM(SupportVector Machine)的文章,觉得SVM是一个非常有趣,而且自成一派的方向,所以今天准备写一篇关
2014-11-21 09:41:29 1846
转载 利用朴素贝叶斯算法识别垃圾邮件
转载自:http://blog.csdn.net/wowcplusplus/article/details/25190809朴素贝叶斯算法是被工业界广泛应用的机器学习算法,它有较强的数学理论基础,在一些典型的应用中效果显著。朴素贝叶斯算法基于概率论的贝叶斯理论。该理论的核心公式如下:
2014-11-21 09:38:49 3526
转载 利用Python进行数据分析--绘图和可视化
转载自:Python有许多可视化工具,但是我主要讲解matplotlib(http://matplotlib.sourceforge.net)。此外,还可以利用诸如d3.js(http://d3js.org/)之类的工具为Web应用构建交互式图像。matplotlib是一个用于创建出版质量图表的桌面绘图包(主要是2D方面)。该项目是由John Hunter于2002年启动的,其
2014-11-19 22:49:23 28997 4
转载 利用Python进行数据分析--数据规整化:清理、转换、合并、重塑
转载自:http://blog.csdn.net/ssw_1990/article/details/26565069
2014-11-19 22:48:12 2716
转载 数学资源大全
转载自:http://www.math.org.cn/forums/index.php?showtopic=4427建议看此贴时,如果找某专题用ie查找,因为网站太多了!好不容易贴完了,国内、国外的,由小学到学术的、数学各个领域的精彩网址都在这了,够全的吧!中文数学专业网站:博士家园http://www.math.org.cnhttp://www.bossh.net
2014-11-19 22:47:13 23073
转载 ggplot2作图详解:标尺(scale)设置
转载自:http://blog.csdn.net/u014801157/article/details/24372521标尺是ggplot2作图必需的元素,在《映射》一节提到了它的概念并简单进行了设置。在数据分析阶段,为避免陷入数据无关的垃圾坑,我们只需要设置映射,ggplot2自动配置合适的标尺并产生坐标和图例。这是ggplot2适合数据可视化分析的原因之一。在图形美化阶段,
2014-11-19 22:46:07 13939
转载 ggplot2作图详解:图层语法和图形组合
转载自:http://blog.csdn.net/u014801157/article/details/24372517图层设置是ggplot2做图的关键。通过查看ggplot图形对象的数据结构我们了解到一个图层至少包含几何类型、统计类型和位置调整三方面的东西,当然数据和映射得首先建立。如果把ggplot2当成是太极,这些内容的设置就相当于太极的招式,有固定方法;对招式理解透彻后以随意
2014-11-19 22:45:18 3965
转载 加州理工学院公开课:机器学习与数据挖掘_神经网络
转载自:课程简介:本节课主要介绍人工神经网络.通过介绍评定模型,随机梯度下降法,生物启发和感知器系统,讲师用视图和数学解析式详细地讲解了神经网络的运行过程以及原理.课程大纲:1、Stochastic Gradient Descent ( 随机梯度下降法 )2、Neural Network Model ( 神经网络模型 )3、Backpropagati
2014-11-19 22:44:14 763
转载 如何使基于梯度下降的机器学习并行化
转载自:http://blog.csdn.net/u013166160/article/details/17539427本文,讨论batch-gradient和stochastic gradient descent的并行化。首先来看batch-gradient。batch-gradient的每次更新都要在整个训练集上计算获得。比如,logistic regression的更新公
2014-11-19 22:43:24 1618
转载 GraphLab:新的面向机器学习的并行框架
转载自:http://blog.csdn.net/macyang/article/details/393794951.1 GraphLab简介在海量数据盛行的今天,大规模并行计算已经随处可见,尤其是MapReduce框架的出现,促进了并行计算在互联网海量数据处理中的广泛应用。而针对海量数据的机器学习对并行计算的性能、开发复杂度等提出了新的挑战。机器学习的算法
2014-11-19 22:42:22 643
转载 使用ggplot2画图
转载自:http://blog.csdn.net/macyang/article/details/40039765Why use ggplot2ggplot2是我见过最human friendly的画图软件,这得益于Leland Wilkinson在他的著作《The Grammar of Graphics》中提出了一套图形语法,把图形元素抽象成可以自由组合的成分,Had
2014-11-19 22:41:27 1013
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