![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 90
xuzhongxiong
这个作者很懒,什么都没留下…
展开
-
BOW模型理解
Bag of word 模型简介Bag of word模型最初被用在文本分类中, 将文档表示成特征矢量。它的基本思想是假定对于一个文本,忽略其词序和语法、句法,仅仅将其看做是一些词汇的集合,而文本的每个词汇都是独立的。 简单说就是将每个文档看成一个袋子,然后看每个袋子里装的都是些什么词汇,将其分类。通过统计文档中各个此出现的次数判断该文档在描述什么。例如,一个中如果猪、牛、马、羊、山谷、土地、拖拉原创 2016-09-28 11:30:20 · 11563 阅读 · 0 评论 -
机器学习数学基础(1)-回归、梯度下降
1. 前言本系列文章将总结一些机器学习中应用到的数学基础,想要学好机器学习,首先得去理解其中的数学意义,不一定要到能够轻松自如的推导中间的公式,不过至少要认识这些公式,不然一些相关的论文就看不懂,这个系列的文章将着重于机器学习的数学描述这个部分。2.回归回归在数学上就是通过一个点集,用一条曲线去拟合这些点,如果这条曲线是直线,就称为线性拟合,如果曲线是一条二次曲线则称为二次回归。 用一个简单的例子原创 2016-11-19 20:56:04 · 3640 阅读 · 0 评论 -
机器学习数学基础(2)-贝叶斯、概率分布
1.直观理解贝叶斯已知:有N个苹果,和M个梨子,苹果为黄色的概率为20%,梨子为黄色的概率为80%,问,假如我在这堆水果中观察到了一个黄色的水果,问这个水果是梨子的概率是多少。 用数学的语言来表达,就是已知: P(apple) = N / (N + M); P(pear) = M / (N + M); P(yellow|apple) = 20%; P(yellow|pear) = 80原创 2016-11-19 21:32:52 · 1383 阅读 · 0 评论 -
后向传播(BackPropagation)算法理解
后向传播算法是深度学习中一种训练与学习方法,用来调整深度网络中各个节点之间的权重,使得网络输出的样本标签与实际标签相一致。本文将对后向传播算法的实现细节进行总结。 后向传播算法是将输出层的误差向后进行传播来实现权重的调整。如图1所示,一个含有1个隐藏层的网络,输入层有2个节点,隐藏层有3个节点,输出层有2个节点。 图1 示例网络 则后向传播的实现细节如下: 1.计算输出层各个节点的误差原创 2016-12-21 18:40:19 · 13606 阅读 · 0 评论 -
PoseNet运行详细过程
PoseNet是剑桥大学的Alex Kendall提出的利用深度学习进行视觉定位,其目的是通过输入一张彩色图像判断相机的位置以及姿态,定位精度比GPS高,且能够知道相机的姿态,而且只需要5ms就可定位成功。原文章可以参照:PoseNet: A Convolutional Network for Real-Time 6-DOF Camera Relocalization。 这篇博客是将作者的网络与数原创 2017-01-15 22:12:14 · 22916 阅读 · 16 评论 -
Windows系统下配置xgboost
本文介绍如何在windows系统下配置xgboost,由于新版本的xgboost还不支持windows,所以本文只介绍旧版本的xgboost配置,旧版本的xgboost编译包可以去这里下载。配置xgboost之前当然需要你把python安装好,以下是配置xgboost的过程:1.确认python的环境这一步比较重要,如果编译的环境不对最后会出现“WindowsError:[Error 193] %1原创 2017-06-05 12:02:16 · 728 阅读 · 2 评论 -
Ubuntu16.04+CUDA8.0+caffe配置
Ubuntu16.04+CUDA8.0+caffe配置详细过程,并对配置过程中出现的一些错误提供解决办法。原创 2016-10-01 13:38:17 · 46089 阅读 · 19 评论