![](https://img-blog.csdnimg.cn/2019092715111047.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习笔记
学习笔记
Nikola desian
无
展开
-
线性动态系统(二)粒子滤波模型推导
粒子滤波模型粒子滤波公式推导笔记,IS—SIS----SIR的过程原创 2020-05-05 14:46:46 · 344 阅读 · 0 评论 -
线性动态系统(一)卡尔曼滤波推导
Linear Dynamic System卡尔曼滤波器的公式推倒笔记原创 2020-05-05 10:37:49 · 2901 阅读 · 0 评论 -
c++优化问题(一)
优化问题 List item原创 2019-10-23 11:56:01 · 285 阅读 · 0 评论 -
SIFT特征提取 – 关键点提取
SIFT特征提取 – 关键点提取SIFT特征提取是图像特征提取中最经典的一个算法,归纳起来SIFT特征提取主要有如下几步:构建高斯多尺度金字塔关键点查找/过滤与精准定位窗口区域角度方向直方图描述子生成SIFT特征点是如何提取的,有了特征点之后,我们对特征点周围的像素块计算角度方向直方图,在计算直方图之前首先需要对图像进行梯度计算,这里可以使用SOBEL算子,然后根据dx与dy计算梯度...原创 2019-08-28 18:18:51 · 967 阅读 · 0 评论 -
矩阵的逆
矩阵的逆原理:代码://求逆矩阵QVector<QVector<double>> Matrix_inverse(QVector<QVector<double>> &A){ int cols = A[0].size(); int rows = A.size(); QVector<double> c...原创 2019-10-14 10:46:44 · 8078 阅读 · 0 评论 -
tensorflow(一)
tensorflow(一)Python 库中, op 构造器的返回值代表被构造出的 op 的输出, 这些返回值可以传递给其它 op 构造器作为输入.TensorFlow Python 库有一个默认图 (default graph), op 构造器可以为其增加节点. 这个默认图对 许多程序来说已经足够用了import tensorflow as tf# 创建一个常量 op, 产生一个 1x2 ...原创 2019-05-27 19:24:39 · 121 阅读 · 0 评论 -
交叉熵与相对熵的理解
原创 2019-05-23 11:53:40 · 329 阅读 · 0 评论 -
由KKT互补松弛条件,支持向量的系数不一定为0,非支持向量的系数一定为0
从互补松弛条件的条件来看一共分成三种情况:不等式约束等号成立,则拉格朗日乘子不为0,不等式约束等号成立,则拉格朗日乘子为0。不等式约束等号不成立,拉格朗日乘子为0。不等式约束等号成立,则是支持向量不等式约束等号不成立,则是非支持向量延伸:如果拉格朗日乘子>0或<0,则是一定支持向量如果拉格朗日乘子=0,则不一定支持向量...原创 2019-05-23 10:07:45 · 1989 阅读 · 0 评论 -
梯度下降法
梯度下降法批量梯度下降法(BGD)在这里我用线性模型来解释批量梯度下降法线性模型为:线性模型的损失函数为:下面可视化的图像为:我们的目的是求解损失函数的值尽可能的小,也是求解一组权重W是得损失函数的值尽可能的下,过程是我们不断的去更新权重W使得损失函数J的值减小,权重的更新式子为:a代表学习率,为了能更新权重,我们需要计算权重为损失函数的贡献值是多少,也就是要求出损失函数J的...原创 2019-05-23 09:22:38 · 136 阅读 · 0 评论 -
LASSO and RIDGE(未写完)
Least Absolute Shrinkage and Selection Operator原理:LASSO是将L1惩罚和线性模型结合,并使用最小二乘代价函数。L1惩罚使部分分子集的权重为零,表明相应的特征可以被安全的忽略。维数过多有如下问题:需要更多的样本,样本随着数据的维度的增加会显指数增长数据变得更稀疏,导致维度灾难在高维数据空间,预测将变得不再容易,而且消耗的时间与内存空间变...原创 2019-05-17 16:36:09 · 441 阅读 · 0 评论 -
PCA降维
PCA降维PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。数学原理具体的数学运算可以自己举例子...原创 2019-05-10 17:22:16 · 191 阅读 · 0 评论 -
线性回归
线性回归我们使得损失函数的值最小可以利用梯度下降法求解:原创 2019-05-19 13:32:31 · 106 阅读 · 0 评论