- 博客(6)
- 资源 (9)
- 收藏
- 关注
原创 论文阅读笔记之ICML2012::The Landmark Selection Method for Multiple Output Prediction 基于代表性特征选取的多维度回归方法
论文目标:做high dimensional regression的问题,即 一般做回归的时候y的维度会比x低,甚至是一维的,比如一般用回归来做分类、预测。但是y的维度如果比较高,而x可以是高维也可以是低维,回归问题可能需要有不一样的角度去思考。主要idea:假设y中的feature是有冗余的,可以用一部分feature来拟合出整个y,我们需要找到那一些“好
2013-04-26 18:46:07 1834
转载 距离计算方法总结
在做很多研究问题时常常需要估算不同样本之间的相似性度量(Similarity Measurement),这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究,甚至关系到分类的正确与否。 本文的目的就是对常用的相似性度量作一个总结。本文目录:1. 欧氏距离2. 曼哈顿距离3. 切比雪夫距离4. 闵可夫斯基距离5. 标准化欧氏距离6. 马氏距离7. 夹角余
2013-04-26 18:40:55 10664
原创 今天开始学模式识别与机器学习Pattern Recognition and Machine Learning (PRML)书,章节1.2,Probability Theory (上)
原创书写,转载请注明此文出自:http://blog.csdn.net/xbinworld,Bin的专栏 Pattern Recognition and Machine Learning (PRML)书,章节1.2,Probability Theory (上)这一节是浓缩了整本书关于概率论的精华,突出一个不确定性(uncertainty)的理解。我看的比较慢,是想要细扣一下,而
2013-04-26 18:34:32 2638 1
原创 今天开始学模式识别与机器学习Pattern Recognition and Machine Learning 书,章节1.1,多项式曲线拟合(Polynomial Curve Fitting)
原创书写,转载请注明此文出自:http://blog.csdn.net/xbinworld,Bin的专栏 Pattern Recognition and Machine Learning (PRML)书学习,章节1.1,介绍与多项式曲线拟合(Polynomial Curve Fitting)博士也快念完了,明年毕业,今年开始准备毕业相关的东西,感觉自己做machine lear
2013-04-26 18:32:51 4142 1
原创 机器学习降维算法四:Laplacian Eigenmaps 拉普拉斯特征映射
原创书写,转载请注明此文出自:http://www.cnblogs.com/xbinworld,http://blog.csdn.net/xbinworld Laplacian Eigenmaps 继续写一点经典的降维算法,前面介绍了PCA,LDA,LLE,这里讲一讲Laplacian Eigenmaps。其实不是说每一个算法都比前面的好,而是每一个算法都是从不同角度去看问题,
2013-04-26 18:15:22 23507 4
原创 机器学习降维算法三:LLE (Locally Linear Embedding) 局部线性嵌入
如引用请务必注明此文出自:http://blog.csdn.net/xbinworldLLE Locally linear embedding(LLE)[1] 是一种非线性降维算法,它能够使降维后的数据较好地保持原有流形结构。LLE可以说是流形学习方法最经典的工作之一。很多后续的流形学习、降维方法都与LLE有密切联系。见图1,使用LLE将三维数据(b)映射到二维(c)
2013-04-26 18:02:54 16393 3
A disciplined approach to neural network hyper-parameters Part I
2020-02-09
Matplotlib.ipynb
2020-02-08
Reinforcement Learning an Introduction,2018最新版(第二版)
2018-01-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人