- 博客(5)
- 收藏
- 关注
原创 读书笔记
把平时看到的一些概括性,总结性的内容纪录下来,不要懒 经典教材:模式识别 最大似然估计器可以说是当先验概率 为均匀分布时的MAP估计器MAP估计器的缺点在于,如果我们对参数空间做某些任意的非线性变换,例如进行一个旋转,那么概率密度 就会发生变化,这时候的MPA估计结果就不再有效了(Chapter3, P70)如果数据样本的各种特征都是完整的,那么可以直接运用最大似然估计来求使
2013-04-27 00:59:22 923
原创 通过源码学算法--AdaBoost (CART) -- do_learn_nu.m
如前所述,通过传进来的空节点(已经设置最大层数为3)构造初始左右节点 如果不是构造根节点,都要指定父节点papa(为神马没有mama ) 父节点其实很关键,尤其在calc_output的时候,其实是先让祖先分类,分剩下的才轮到子孙继续划分 tree_node_left = tree_node; tree_node_right = tree_node; if(nargin > 4)
2013-04-06 03:58:02 1416 2
原创 通过源码学算法--AdaBoost (CART) -- train.m
train.m 第一步,划分根节点root 对输入的数据(特征集,分类标签,权重)用CART算法进行划分,得到左右子节点。 传入的node已经设定最大层数为3,所以很快就结束,没有CART通常包含的pruning, optimal selection 及 cross-validation 等步骤 注意:这个Matlab包里所有的传入node都只是用来传递一个空的tree_node节点,
2013-04-02 06:58:54 1519
原创 通过源码学算法--AdaBoost (CART) -- Example_1.m
Ionosphere.txt中的数据是351x35,每一行代表一个采样数据,总共351个采样。 数据空间是34维(最后一列是该采样所属类别),所以下面要转置一下 % Step1: reading Data from the file file_data = load('Ionosphere.txt'); Data = file_data(:,1:end-1)'; Labels = file_
2013-04-02 06:25:52 1119
原创 鸡毛蒜皮集锦
打算纪录一下各种鸡毛蒜皮的小错误,过段时间回头看看有没有用 1. MAC篇 MAC OX 10.8.2 ML, Xcode Xcode 4.5.1 (Build version 4G1004) 1.1 undefined symbols for architecture x86_64: "_omp_get_thread_num", referenced from:.... Sol
2013-04-01 19:23:26 3712
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