机器学习
文章平均质量分 93
2014wzy
这个作者很懒,什么都没留下…
展开
-
相比于深度学习,传统的机器学习算法难道就此没落了吗,还有必要去学习吗?
自从 MIT Technology Review(麻省理工科技评论) 将 深度学习 列为 2013 年十大科技突破之首。加上今年 Google 的 AlphaGo 与 李世石九段 惊天动地的大战,AlphaGo 以绝对优势完胜李世石九段。人工智能、机器学习、深度学习、强化学习,成为了这几年计算机行业、互联网行业最火的技术名词。其中,深度学习在图像处理、语音识别领域掀起了前所未有的一场革转载 2016-11-12 17:23:30 · 3043 阅读 · 1 评论 -
在分类中如何处理训练集中不平衡问题
原文地址:一只鸟的天空,http://blog.csdn.net/heyongluoyao8/article/details/49408131在分类中如何处理训练集中不平衡问题 在很多机器学习任务中,训练集中可能会存在某个或某些类别下的样本数远大于另一些类别下的样本数目。即类别不平衡,为了使得学习达到更好的效果,因此需要解决该类别不平衡问题。Jason Brownlee的回答:原转载 2017-04-19 14:56:13 · 5848 阅读 · 0 评论 -
机器学习算法中的过拟合与欠拟合
在机器学习表现不佳的原因要么是过度拟合或欠拟合数据。机器学习中的逼近目标函数过程监督式机器学习通常理解为逼近一个目标函数(f)(f),此函数映射输入变量(X)到输出变量(Y).Y=f(X)Y=f(X)这种特性描述可以用于定义分类和预测问题和机器学习算法的领域。从训练数据中学习目标函数的过程中,我们必须考虑的问题是模型在预测新数据时的泛化性能。泛化好坏是很重要转载 2017-03-17 10:40:52 · 5569 阅读 · 0 评论 -
机器学习实践 - 车辆检测
车辆是视频场景中最关键的对象之一,车辆 和 人 是视频检测永恒的话题。 车辆检测 是车辆分析中关键的一步,是后续进行 车型识别、车标识别、车牌识别、车辆特征 的基础。 关于检测的方法和框架有很多,不外乎是特征训练和分类,这里推荐两篇综述性文章:[1] Benenson R, Omran M, Hosang J, et al.Ten Years转载 2017-04-09 21:40:44 · 13807 阅读 · 5 评论 -
机器学习各算法简介
作者:xyzh链接:https://www.zhihu.com/question/26726794/answer/151282052来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。关于这个问题我今天正好看到了这个文章。讲的正是各个算法的优劣分析,很中肯。https://zhuanlan.zhihu.com/p/25327755正好1转载 2017-03-21 14:54:22 · 2945 阅读 · 0 评论 -
周志华KDD China技术峰会现场演讲:深度学习并不是在“模拟人脑”
导语:12月18日,KDD China 技术峰会在深圳举行,本文根据周志华教授当天在会上所做的报告《关于机器学习研究的讨论》编辑整理而来。编者按:12月18日,KDD China技术峰会在深圳举行,雷锋网(公众号:雷锋网)根据周志华教授当天会上所做报告《关于机器学习研究的讨论》,摘取其中亮点内容整理成本文,由亚萌、亚峰、宗仁联合编辑。此前,在今年10月21日CNCC 2016大会上,周转载 2016-12-27 10:33:32 · 1420 阅读 · 0 评论 -
信息检索(IR)的评价指标介绍 - 准确率、召回率、F1、mAP、ROC、AUC
reference:http://blog.csdn.NET/marising/article/details/6543943在信息检索、分类体系中,有一系列的指标,搞清楚这些指标对于评价检索和分类性能非常重要,因此最近根据网友的博客做了一个汇总。准确率、召回率、F1信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision R转载 2016-12-19 21:25:51 · 10924 阅读 · 0 评论 -
线性SVM与SoftMax分类器
作者: 寒小阳 时间:2015年11月。 出处:http://blog.csdn.net/han_xiaoyang/article/details/49999299 声明:版权所有,转载请注明出处,谢谢。1. 线性分类器在深度学习与计算机视觉系列(2)我们提到了图像识别的问题,同时提出了一种简单的解决方法——KNN。然后我们也看到了KNN在解决这个问题的时候,虽然实现起转载 2016-11-01 20:07:48 · 976 阅读 · 0 评论 -
机器学习算法MCMC(Markov Chain Monte Carlo) and Gibbs Sampling
1. 随机模拟随机模拟(或者统计模拟)方法有一个很酷的别名是蒙特卡罗方法(Monte Carlo Simulation)。这个方法的发展始于20世纪40年代,和原子弹制造的曼哈顿计划密切相关,当时的几个大牛,包括乌拉姆、冯.诺依曼、费米、费曼、Nicholas Metropolis, 在美国洛斯阿拉莫斯国家实验室研究裂变物质的中子连锁反应的时候,开始使用统计模拟的方法,并在最早的计算机原创 2016-11-12 17:20:49 · 6475 阅读 · 0 评论 -
8种常见机器学习算法比较
简介机器学习算法太多了,分类、回归、聚类、推荐、图像识别领域等等,要想找到一个合适算法真的不容易,所以在实际应用中,我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法,诸如SVM,GBDT,Adaboost,现在深度学习很火热,神经网络也是一个不错的选择。假如你在乎精度(accuracy)的话,最好的方法就是通过交叉验证(cross-validation)对各个转载 2017-07-30 11:15:12 · 1455 阅读 · 0 评论