![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
夕夕如盼
脚踏实地,内外兼修
展开
-
Python实现决策树并且使用Graphvize可视化
一、什么是决策树(decision tree)——机器学习中的一个重要的分类算法决策树是一个类似于数据流程图的树结构:其中,每个内部节点表示一个属性上的测试,每个分支代表一个属性输出,而每个树叶结点代表类或者类的分布,树的最顶层是根结点根据天气情况决定出游与否的案例二、决策树算法构建2.1决策树的核心思路特征选择:从训练数据的特征中选择一个特征作为当前节点的分裂标准(特征选择的标准不同产生了不同的...原创 2018-07-08 17:29:45 · 26456 阅读 · 2 评论 -
python实现对KNN的底层实现
KNN算法很简单不做过多描述,这里直接上手写实现KNN的代码'''#coding:utf-8Created on 2018年7月6日KNN算法实现@author: lenovo'''import csvimport randomimport mathimport operatorfrom unittest.test.testmock.testhelpers import Tes...原创 2018-07-08 17:36:46 · 559 阅读 · 0 评论 -
与文本内容无关的说话人识别概述——从特征到超矢量
摘要: 本文主要是对自动说话人识别技术的概述,重点强调文本无关的说话人识别技术。说话人识别已经研究了几十年。我们给出了经典和先进的说话人识别方法。我们从自动说话人识别基础开始谈起,主要从特征提取到说话人建模。我们阐述了先进的计算科技来解决鲁棒性和session avariability 。近来提出的从矢量到超矢量为说话人识别展开了一个全新的领域并且代表着技术发展趋势。我们同时也讨论了...翻译 2018-08-27 17:42:08 · 4938 阅读 · 0 评论 -
说话人识别中训练通用背景模型(UBM)的研究
摘要: 以高斯分布为基础的说话人识别系统使用通用背景的模型(UBM)需要广泛的数据资源尤其是多信道和多个麦克风种类下采集语音。本研究主要是对训练UBM模型数据的选择对整个系统性能的影响做一个系统的分析,训练UBM模型时选择的数据的方式主要涉及下面几个方面:数据数目的改变、特征帧的子样本结构、说话人数量的改变。UBM的协方差矩阵和系统性能有高度相关性,因此主要通过计算UBM协方差矩阵看...翻译 2018-08-28 18:50:16 · 6345 阅读 · 2 评论 -
一个机器学习博士的忠告
转载于知乎:https://www.zhihu.com/question/25157730问题:读机器学习方向。发现机器学习算法比较固定,算法应用于文本和图像处理。毕业要求发表级别较高的期刊论文,算法都已经存在甚至被改进过,怎么能写出自己的东西呢?没有idea,也就没有实验。怎么能完成论文呢?迷茫中。求指导,谢谢。谢邀,本来不想回答这个问题,因为作为一个并不成功,毕业捉急,论文...转载 2018-09-05 10:37:01 · 955 阅读 · 0 评论