机器学习
文章平均质量分 93
zdy0_2004
这个作者很懒,什么都没留下…
展开
-
机器学习基石笔记3——在何时可以使用机器学习(3)
转载请注明出处:http://www.cnblogs.com/ymingjingr/p/4265333.html目录机器学习基石笔记1——在何时可以使用机器学习(1)机器学习基石笔记2——在何时可以使用机器学习(2)机器学习基石笔记3——在何时可以使用机器学习(3)机器学习基石笔记4——在何时可以使用机器学习(4)机器学习基石笔记5——为什么机器可以转载 2015-02-02 21:34:55 · 729 阅读 · 0 评论 -
EasyPR--开发详解(6)SVM开发详解
EasyPR--开发详解(6)SVM开发详解http://www.cnblogs.com/subconscious/p/4249581.html 在前面的几篇文章中,我们介绍了EasyPR中车牌定位模块的相关内容。本文开始分析车牌定位模块后续步骤的车牌判断模块。车牌判断模块是EasyPR中的基于机器学习模型的一个模块,这个模型就是作者前文中从机器学习谈起中提到的SVM转载 2015-02-05 00:00:01 · 7976 阅读 · 1 评论 -
哲学与算法——高斯混合模型算法
哲学与算法——高斯混合模型算法GMM这是图像处理,模式识别和深度学习领域一个百嚼不烂的话题。很多人被一堆数学公式,迭代求和和看似毫无联系的likehood EM算法搞得糊里糊涂。其实就算羡慕着很多牛气哄哄的学霸炫耀公式推理的IT普工们,我们有没有问过自己,我们真的知道GMM吗?于是有些人和我一样有了如下的思考和疑问:1.到底什么是高斯混合模型?最好能一句话或转载 2015-02-07 19:56:31 · 807 阅读 · 0 评论 -
机器学习基石笔记5——为什么机器可以学习(1)
机器学习基石笔记5——为什么机器可以学习(1)转载请注明出处:http://www.cnblogs.com/ymingjingr/p/4271742.html目录机器学习基石笔记1——在何时可以使用机器学习(1)机器学习基石笔记2——在何时可以使用机器学习(2)机器学习基石笔记3——在何时可以使用机器学习(3)(修改版)机器学习基石笔记4——在何时可以使用机转载 2015-02-11 21:28:51 · 764 阅读 · 0 评论 -
采用深度学习算法为Spotify做基于内容的音乐推荐
采用深度学习算法为Spotify做基于内容的音乐推荐http://www.csdn.net/article/2015-02-10/2823907摘要:本文概述了作者在Spotify的机器学习实践经验,解释了使用卷积神经网络(CNN)做基于音频的音乐推荐的方法,并提出了有关该卷积网络的实际学习效果的心得。采用了GTX 780Ti GPU,Theano软件框架,转载 2015-02-21 02:54:01 · 5439 阅读 · 1 评论 -
博弈论基础知识
博弈论基础知识http://blog.csdn.net/To_Find_Dream/article/details/43907851?ref=myread一.巴什博奕(Bash Game):首先我们来玩一个比较古老的报数游戏。A和B一起报数,每个人每次最少报一个,最多报4个。轮流报数,看谁先报到30.如果不知道巴什博弈的可能会觉得这个是个有运气成分的问题,但是如果知道的人一转载 2015-02-24 19:37:16 · 516 阅读 · 0 评论 -
机器学习之人工神经网络
人工神经网络由一系列神经元组成:每个神经元都代表了一个特定的线性函数:每个单元都会进行以下的计算过程:ini = ΣWj,iajai = g(ini)通过调整每一个神经元的权值W,可以使得整个神经网络非常好的拟合数据。激活函数每个神经元中都有一个激活函数,通常使用Sigmoid函数:f(x) = 1/(1+e-x) dy/dx =转载 2015-02-25 22:23:41 · 1053 阅读 · 0 评论 -
机器学习基石笔记7——为什么机器可以学习(3)
机器学习基石笔记7——为什么机器可以学习(3)转载请注明出处:http://www.cnblogs.com/ymingjingr/p/4271742.html七、The VC DimensionVC维。7.1 Definition of VC DimensionVC维的定义。先对上一章的内容作简单总结:如果一个假设空间存在突破点。则一定存在成长函转载 2015-02-25 22:34:00 · 551 阅读 · 0 评论 -
机器学习之决策树学习
机器学习之决策树学习http://www.cnblogs.com/bgmind/p/4298805.html决策树是一个函数,以属性值向量作为输入,返回一个“决策”。如上图,我们输入一系列属性值(天气状况,湿度,有无风)后会得到一个要不要出去玩的一个决策。从样例构建决策树对于原始样例集,我们选取一个最好的属性将其分裂,这样我们会产生多个样转载 2015-02-24 19:02:44 · 563 阅读 · 0 评论 -
人工智能中的常用搜索策略
人工智能中的常用搜索策略http://www.cnblogs.com/bgmind/p/AI.html 人工智能中的搜索策略大体分为两种:无信息搜索和有信息搜索。无信息搜索是指我们不知道接下来要搜索的状态哪一个更加接近目标的搜索策略,因此也常被成为盲目搜索;而有信息搜索则是用启发函数f(n)来衡量哪一个状态更加接近目标状态,并优先对该状态进行搜索,因此与无信息搜索相比往转载 2015-02-24 00:15:02 · 8357 阅读 · 0 评论 -
结合美团下单率预测详解机器学习中的数据清洗与特征处理
结合美团下单率预测详解机器学习中的数据清洗与特征处理发表于22小时前| 1632次阅读| 来源美团| 4 条评论| 作者caohao机器学习数据挖掘可视化特征处理特征降维美团摘要:本文主要介绍在美团的推荐与个性化团队实践中的数据清洗与特征挖掘方法。文章以点击下单率预测为例,结合实例来介绍如何进行数据清洗和特征处理。目前在美团的团购系统中大量地应用到了转载 2015-02-11 21:25:38 · 4128 阅读 · 0 评论 -
人工智能中的局部搜索算法
人工智能中的局部搜索算法http://www.cnblogs.com/bgmind/p/4298165.html在局部搜索算法中,我们不再关心从初始节点到目标节点之间的路径,而是考虑从当前节点出发,移动到它的邻近状态,直到到达合理的目标状态。相比于前面所说的无信息搜索算法和有信息搜索算法,局部搜索算法往往能以常数的空间复杂度(不用保存路径)在很大甚至无限的状态空间中找到合理转载 2015-02-24 00:12:02 · 3595 阅读 · 0 评论 -
AdaBoost & AdaRank
1. AdaBoost http://my.oschina.net/supersonic/blog/379438 实习了三个多月,把ML的算法都忘得差不多了,最近写论文用到了AdaBoost和AdaRank,这里重新复习总结了下,主要参考了:http://blog.csdn.net/haidao2009/article/details/7514787 。 A转载 2015-02-24 19:40:39 · 1554 阅读 · 0 评论 -
机器学习基石笔记10——机器可以怎样学习(2)
机器学习基石笔记10——机器可以怎样学习(2)转载请注明出处:http://www.cnblogs.com/ymingjingr/p/4271742.html目录机器学习基石笔记1——在何时可以使用机器学习(1)机器学习基石笔记2——在何时可以使用机器学习(2)机器学习基石笔记3——在何时可以使用机器学习(3)(修改版)机器学习基石笔记4——在何时可以使用机转载 2015-03-13 23:54:28 · 608 阅读 · 0 评论 -
机器学习基石笔记6——为什么机器可以学习(2)
机器学习基石笔记6——为什么机器可以学习(2)六、Theory of Generalization转载请注明出处:http://www.cnblogs.com/ymingjingr/p/4271742.html泛化理论(举一反三)。6.1 Restriction of Break Point突破点的限制。回顾一下上一章中提到的成长函数 的定义:假转载 2015-02-14 14:00:21 · 562 阅读 · 0 评论 -
机器学习之AdaBoost
机器学习之AdaBoosthttp://www.cnblogs.com/bgmind/p/4301723.htmlAdaboost是一种组合学习的提升算法,能将多个弱学习算法(甚至只比随机猜测好一点)组合起来,构成一个足够强大的学习模型。组合学习组合学习是将多个假说组合起来,并集成它们的预测。比如对于一个问题,我们可以生成20棵决策树,让它们对新样例的分转载 2015-02-26 21:36:16 · 609 阅读 · 0 评论 -
SVM速览
SVM速览http://www.cnblogs.com/zhangchaoyang/articles/2642591.htmlSVM属于一种前馈神经网络,它在解决小样本、非线性及高维模式识别中表现出许多特有的优势。对于两类分类问题,有训练样本{(X1,y1),(X2,y2),...,(Xn,yn)},y是分类标记,取值于+1和-1。a和b都可以作为分类超平面,但转载 2015-02-28 21:21:48 · 641 阅读 · 0 评论 -
机器学习研究项目--以机器视觉工程师的视角(MLP篇)
机器学习研究项目--以机器视觉工程师的视角(MLP篇) http://www.cnblogs.com/jsxyhelu/p/4306753.html一、机器学习的基本概念和区分; 机器学习的概念已经出现很长时间了,它本身也形成复杂的学科分类。这里基于相关资料学习,进行简单的定义和区分。由于经验有限,出现错误,欢迎提出修改意见。 定义:机器转载 2015-03-02 23:11:49 · 1744 阅读 · 0 评论 -
机器学习基石笔记8——为什么机器可以学习(4)
转载请注明出处:http://www.cnblogs.com/ymingjingr/p/4271742.html目录机器学习基石笔记1——在何时可以使用机器学习(1)机器学习基石笔记2——在何时可以使用机器学习(2)机器学习基石笔记3——在何时可以使用机器学习(3)(修改版)机器学习基石笔记4——在何时可以使用机器学习(4)机器学习基石笔记5——为什转载 2015-03-01 18:21:29 · 491 阅读 · 0 评论 -
预测建模、监督机器学习和模式分类概览
预测建模、监督机器学习和模式分类概览http://www.csdn.net/article/2015-02-28/2824062模式分类(pattern classification)和机器学习(machine learning)是非常热的话题,几乎在所有的现代应用程序中都得到了应用:例如邮局中的光学字符识别(OCR),电子邮件过滤,超市条形码扫描,等等。在这篇文章转载 2015-03-03 00:03:11 · 1293 阅读 · 0 评论 -
机器学习基石笔记13——机器可以怎样学得更好(1
机器学习基石笔记13——机器可以怎样学得更好(1)http://www.cnblogs.com/ymingjingr/p/4364852.html转载请注明出处:http://www.cnblogs.com/ymingjingr/p/4271742.html目录机器学习基石笔记1——在何时可以使用机器学习(1)机器学习基石笔记2——在何时可以使用机器学习(2转载 2015-03-25 10:26:12 · 512 阅读 · 0 评论 -
SVM(支持向量机)详解
SVM(支持向量机)详解http://blog.csdn.net/wqthaha/article/details/40595169 SVM(support victor machine)1、支持向量机发展历史 1963年,Vapnik在解决模式识别问题时提出了支持向量方法。起决定性作用的样本为支持向量 1971年,Kimeldorf构造基于支持向量构转载 2015-02-28 21:23:06 · 2043 阅读 · 0 评论 -
收集web日志的目的
收集web日志的目的Web日志挖掘是指采用数据挖掘技术,对站点用户访问Web服务器过程中产生的日志数据进行分析处理,从而发现Web用户的访问模式和兴趣爱好等,这些信息对站点建设潜在有用的可理解的未知信息和知识,用于分析站点的被访问情况,辅助站点管理和决策支持等。1、以改进web站点设计为目标,通过挖掘用户聚类和用户的频繁访问路径,修改站点的页面之间的链接关系,以适应用户的访问习惯,转载 2015-03-07 15:05:43 · 2861 阅读 · 0 评论 -
跟我一起数据挖掘(19)——什么是数据挖掘(2)
跟我一起数据挖掘(19)——什么是数据挖掘(2)什么是数据仓库?数据仓库是一个面向主题的( Subject Oriented) 、集成的( Integrate) 、相对稳定的(NonVolatile) 、反映历史变化( Time Variant)的数据集合,用于支持管理决策。对于数据仓库的概念我们可以从两个层次予以理:①数据仓库用于支持决策,面向分析型数据处转载 2015-03-07 16:04:53 · 624 阅读 · 0 评论 -
机器学习基石笔记9——机器可以怎样学习(1)
机器学习基石笔记9——机器可以怎样学习(1)转载请注明出处:http://www.cnblogs.com/ymingjingr/p/4271742.html目录机器学习基石笔记1——在何时可以使用机器学习(1)机器学习基石笔记2——在何时可以使用机器学习(2)机器学习基石笔记3——在何时可以使用机器学习(3)(修改版)机器学习基石笔记4——在何时可以使用机器转载 2015-03-07 15:53:55 · 613 阅读 · 0 评论 -
机器学习基石笔记12——机器可以怎样学习(4)
转载请注明出处:http://www.cnblogs.com/ymingjingr/p/4271742.html目录机器学习基石笔记1——在何时可以使用机器学习(1)机器学习基石笔记2——在何时可以使用机器学习(2)机器学习基石笔记3——在何时可以使用机器学习(3)(修改版)机器学习基石笔记4——在何时可以使用机器学习(4)机器学习基石笔记5——为什么机器可以学习(1)转载 2015-03-22 23:22:28 · 1206 阅读 · 0 评论 -
SVM原理
SVM原理 SVM是机器学习中神一般的存在,虽然自深度学习以来有被拉下神坛的趋势,但不得不说SVM在这个领域有着举足轻重的地位。本文从Hard SVM 到 Dual Hard SVM再引进Kernel Trick,然后推广到常用的Soft Kernel SVM。 一、Hard SVM SVM本身是从感知机算法演变而来,感知机算法是在一个线性可分的数据集中找到转载 2015-03-13 23:52:52 · 1227 阅读 · 0 评论 -
一个机器学习博士生的忠告
一个机器学习博士生的忠告纯属转载,有参考价值,更要共勉! 知乎原文题主似乎没有明确自己是博士生,以下假设为博士生。1、首先,请以一个局外人的理智角度,对你的导师进行如下分类: ① 圈内大牛,高水平论文很多,目前自己仍在亲力亲为参与科研工作,请转2 ② 简历里面有一些高水平论文,但是似乎并不能算是大牛,请转3 ③ 其他情况,请转42、这一种情况是比较理转载 2015-03-14 01:04:47 · 27969 阅读 · 1 评论 -
对弈类游戏的人工智能(一)
对弈类游戏的人工智能(一)http://www.cnblogs.com/mumuxinfei/p/4305981.html 前言: 对弈类游戏的智能算法, 网上资料颇多, 大同小异. 我写这篇文章, 并非想做互联网的搬运工. 而是想对当年的经典PC游戏编程(人机博弈)>>表达敬意, 另一方面, 也想对自己当年的游戏编程人生做下回顾. 这边我们以黑白棋游戏为例,转载 2015-03-30 22:11:36 · 1864 阅读 · 0 评论 -
机器学习基石笔记11——机器可以怎样学习(3)
机器学习基石笔记11——机器可以怎样学习(3)http://www.cnblogs.com/ymingjingr/p/4337109.html十一、Linear Models for Classification用于分类的线性模型。11.1 Linear Models for Binary Classification用于二元分类的线性模型。目前叙述的算法模转载 2015-03-14 13:54:32 · 803 阅读 · 0 评论 -
隐马尔科夫模型及Viterbi算法的应用
隐马尔科夫模型及Viterbi算法的应用作者:jostree 转载请注明出处 http://www.cnblogs.com/jostree/p/4335810.html一个例子:韦小宝使用骰子进行游戏,他有两种骰子一种正常的骰子,还有一种不均匀的骰子,来进行出千。开始游戏时他有2/5的概率出千。对于正常的骰子A,每个点出现的概率都是1/6.对于不均匀的骰子B转载 2015-03-13 22:22:37 · 1134 阅读 · 0 评论 -
MATLAB神经网络编程(一)——感知器
MATLAB神经网络编程(一)——感知器http://blog.csdn.net/fieldoffier/article/details/44264715《MATLAB神经网络编程》 化学工业出版社 读书笔记 第四章 前向型神经网络 4.1 感知器网络本文是《MATLAB神经网络编程》书籍的阅读笔记,其中涉及的源码、公式、原理都来自此书,若有不理解之转载 2015-03-23 21:04:34 · 1353 阅读 · 0 评论 -
MATLAB神经网络编程(二)——线性神经网络
MATLAB神经网络编程(二)——线性神经网络http://blog.csdn.net/fieldoffier/article/details/44401305《MATLAB神经网络编程》 化学工业出版社 读书笔记 第四章 前向型神经网络 4.2 线性神经网络本文是《MATLAB神经网络编程》书籍的阅读笔记,其中涉及的源码、公式、原理都来自此书,若有不理转载 2015-03-23 21:07:34 · 9309 阅读 · 0 评论 -
MATLAB神经网络编程(三)——线性神经网络的构建与实现
MATLAB神经网络编程(三)——线性神经网络的构建与实现http://blog.csdn.net/fieldoffier/article/details/44497457《MATLAB神经网络编程》 化学工业出版社 读书笔记 第四章 前向型神经网络 4.2 线性神经网络本文是《MATLAB神经网络编程》书籍的阅读笔记,其中涉及的源码、公式、原理都来自此书,若有不理转载 2015-03-23 21:13:01 · 1211 阅读 · 1 评论 -
对弈类游戏的人工智能(2)--学习算法
对弈类游戏的人工智能(2)--学习算法 前言: 对弈类游戏的智能算法, 网上资料颇多, 大同小异. 我写这篇文章, 一方面是对当年的经典PC游戏编程(人机博弈)>>表达敬意, 另一方面, 也想对自己当年的游戏编程人生做下回顾. 上一篇博文:对弈类游戏的人工智能(1)--评估函数+博弈树算法, 着重讲述了评估函数+博弈树, 本文着重讲述学习算法, 以及性能优化和游戏性转载 2015-03-31 20:47:33 · 1407 阅读 · 0 评论 -
机器学习基石笔记14——机器可以怎样学得更好(2)
机器学习基石笔记14——机器可以怎样学得更好(2)转载请注明出处:http://www.cnblogs.com/ymingjingr/p/4271742.html目录机器学习基石笔记1——在何时可以使用机器学习(1)机器学习基石笔记2——在何时可以使用机器学习(2)机器学习基石笔记3——在何时可以使用机器学习(3)(修改版)机器学习基石笔记4——在何时可以使转载 2015-04-06 21:47:58 · 632 阅读 · 0 评论 -
人脸识别技术大总结1——Face Detection & Alignment
人脸识别技术大总结1——Face Detection & Alignmenthttp://www.cnblogs.com/sciencefans/p/4394861.html搞了一年人脸识别,寻思着记录点什么,于是想写这么个系列,介绍人脸识别的四大块:Face detection, alignment, verification and identification转载 2015-04-07 22:12:37 · 1259 阅读 · 0 评论 -
机器学习(1)-从最大似然到EM算法浅解
机器学习(1)-从最大似然到EM算法浅解、从最大似然到EM算法浅解zouxy09@qq.comhttp://blog.csdn.net/zouxy09 机器学习十大算法之一:EM算法。能评得上十大之一,让人听起来觉得挺NB的。什么是NB啊,我们一般说某个人很NB,是因为他能解决一些别人解决不了的问题。神为什么是神,因为神能做很多人做不了的事。那么E转载 2015-04-12 17:22:45 · 769 阅读 · 0 评论 -
对弈类游戏的人工智能(3)--博弈树优化
对弈类游戏的人工智能(3)--博弈树优化http://www.cnblogs.com/mumuxinfei/p/4396339.html 前言: 对弈类游戏的智能算法, 网上资料颇多, 大同小异. 然而书上得来终觉浅, 绝知此事要躬行. 结合了自己的工程实践, 简单汇总整理下. 一方面是对当年的经典PC游戏编程(人机博弈)>>表达敬意, 另一方面, 也想对自己当年的游转载 2015-04-07 22:10:57 · 4049 阅读 · 0 评论 -
斯坦福机器学习实现与分析之二(线性回归)
斯坦福机器学习实现与分析之二(线性回归)http://www.cnblogs.com/jcchen1987/p/4401533.html回归问题提出 首先需要明确回归问题的根本目的在于预测。对于某个问题,一般我们不可能测量出每一种情况(工作量太大),故多是测量一组数据,基于此数据去预测其他未测量数据。 比如课程给出的房屋面积、房间数与价格的对应关系,如下表:转载 2015-04-08 23:03:56 · 944 阅读 · 0 评论