Machine Learning
修炼_人生
https://github.com/AnddyWang
展开
-
caffe for python code
My notes on pycaffe learningdata of network introductionnet.blobs['conv'].data[batch_nums] means all batch data.net.blobs['conv'].data[0] means the first batch.net.blobs['conv'].dat原创 2015-07-02 18:49:43 · 577 阅读 · 0 评论 -
LIBSVM的FQA
这里是libsvm的FQA :我研究了好久才发现有这么个好东西的:转别人的问: 我在那里能够找到libsvm的文件 ? 软件包中有一个 README 文件,里面详细说明了所有参数选项、数据格式以及库函数的调用。在python目录下,模型选择工具和python界面的libsvm各有一个README文件。 初学者可以通过A practical guide to su原创 2016-09-06 15:17:43 · 1507 阅读 · 0 评论 -
Caffe + Ubuntu14.04 64bit(位)+ Cuda6.5/Cuda7.0 安装配置教程
随着深度学习快速发展的浪潮,许多有兴趣的工作者都转入了这个有着很好前景的研究中。工欲善其事,必先利其器。Caffe是一个很不错的深度学习框架,但它的安装步骤比较繁琐,将许多新手拒之门外,于是我就写了这篇博客,主要是我之前安装Caffe也是费了很多时间,由零基础慢慢学习,很羡慕那些有师兄师姐可以帮助的人。。。下面开始正式安装教程:(持续更新中。。。2016-1-9)该教程主要包括以下几方面的原创 2016-01-09 16:43:29 · 3365 阅读 · 2 评论 -
精度(Precision)与召回率(Recall) 以及ROC曲线
精度和召回率是衡量信息检索系统性能的重要指标。 精度是指检索到相关文档数占检索到的文档总数的比例。 召回率是指检索到相关文档数占所有相关文档总数的比例。 举例来说明一下 检索到的相关文档数(A) 检索到的不相关文档数(B) 没有检索到的相关文档数(C) 没有检索到的不相关文档数(D)原创 2015-06-30 18:06:00 · 5634 阅读 · 0 评论 -
机器学习中的数学(1):回归、梯度下降
前言:上次写过一篇关于贝叶斯概率论的数学,最近时间比较紧,coding的任务比较重,不过还是抽空看了一些机器学习的书和视频,其中很推荐两个:一个是stanford的machine learning公开课,在verycd可下载,可惜没有翻译。不过还是可以看。另外一个是prml-pattern recognition and machine learning, Bishop的一部反响不错的书,原创 2015-07-21 23:17:05 · 441 阅读 · 0 评论 -
机器学习中的数学(2):线性回归、偏差、方差权衡
前言:距离上次发文章,也快有半个月的时间了,这半个月的时间里又在学习机器学习的道路上摸索着前进,积累了一点心得,以后会慢慢的写写这些心得。写文章是促进自己对知识认识的一个好方法,看书的时候往往不是非常细,所以有些公式、知识点什么的就一带而过,里面的一些具体意义就不容易理解了。而写文章,特别是写科普性的文章,需要对里面的具体意义弄明白,甚至还要能举出更生动的例子,这是一个挑战。为了写文章,往原创 2015-07-21 23:18:19 · 518 阅读 · 0 评论