zhangweijiqn的专栏

一、数字图像处理基础一幅图像可以定义为一个二维数组f(x,y)，这里x，y是空间坐标，而在任何一对空间坐标(x,y)上的幅值f称为该点图像的强度或灰度。当x，y和幅值f为有限的、离散的数值时，称该图像为数字图像。自然界呈现在人眼中的图像是连续的模拟信号，在计算机处理前，必须用图像传感器把光信号转换为表示亮度的电信号，再通过取样和量化得到一副数字图像。取样是对图像在坐标上进行离散化的过程

NumpyScipy矩阵向量处理。Numpy provides a high-performance multidimensional array and basic tools to compute with and manipulate these arrays. SciPy builds on this, and provides a large number o

参考资料：简单介绍：http://www.cnblogs.com/maybe2030/p/4953039.html在茫茫人海中发现相似的你——局部敏感哈希（LSH）:http://www.cnblogs.com/fengfenggirl/p/lsh.html基本思想　局部敏感哈希的基本思想类似于一种空间域转换思想，LSH算法基于一个假设，如果两个文本在原有的

语音识别没有动手做过，在这里记录一些预先需要了解的知识：GMM算法：http://www.cnblogs.com/mindpuzzle/archive/2013/04/24/3036447.html语音识别常用到GMM算法。1.单高斯模型      如题，就是单个高斯分布模型or正态分布模型。想必大家都知道正态分布，这一分布反映了自然界普遍存

论文出处：http://nlp.stanford.edu/projects/glove/下面准备测试的是python实现版本：github地址：https://github.com/maciejkula/glove-python安装：sudo pip install glove_python下载源码：git clone --r

word2vec原始版本应用可以参考博文：http://blog.csdn.net/jj12345jj198999/article/details/11069485在linux上安装使用的步骤大概是：下载源码，make，执行如下命令进行训练：./word2vec -train resultbig.txt -output vectors.bin -cbow 0 -size 200 -

分词模型通常有三种： 基于词典的匹配（trie树，最大匹配法），HMM，CRF查字典的办法最早被提出，就是：把句子从左向右扫描一遍，遇到词典（trie树形式存储）里有的词就标识出来，遇到复合词就找最长的词匹配，遇到不认识的词就分割成单字词。下面使用的是python结巴分词：结巴分词：https://github.com/zhangweijiqn/jieba (分词模

主要用于对分布式机器学习算法/深度学习算法参数优化。简介：http://sanwen8.cn/p/174rUaE.html原理介绍：http://blog.csdn.net/cyh_24/article/details/50545780李沐和陈天奇等国内英才成立的DMLC深度学习项目组：github: https://github.com/d

kaggle比赛：https://www.kaggle.com/competitions在这里可以看到一些机器学习中数据分析的问题，同时在kernels中可以看到哪些技术能够比较好的解决对应的经验贴：https://zhuanlan.zhihu.com/p/22266330预测titanic上的人是否会幸存：https://www.kaggle.com/c/titani

hyper parameter 调参框架：optunity：http://optunity.readthedocs.io/en/latest/index.htmlHyperoptHyperopt是一个python库，结合MongoDB可以进行分布式调参，快速找到相对较优的参数。安装的时候需要指定dev版本才能使用模拟退火调参，也支持暴力调参、随机调参等策略。http:/

Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?http://www.jmlr.org/papers/volume15/delgado14a/delgado14a.pdfautoML( aotumated Machine Learning)https://github.

XGBoostScalable, Portable and Distributed Gradient Boosting (GBDT, GBRT or GBM) Library, for Python, R, Java, Scala, C++ and more. Runs on single machine, Hadoop, Spark, Flink and DataFlow可扩展、

关于深度学习可以查看博文：http://blog.csdn.net/nan355655600/article/details/17690029卷积神经网络是人工神经网络的一种，下面介绍一下卷积神经网络：Convolutional Neural Networks卷积神经网络        卷积神经网络是人工神经网络的一种，已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使

2.2.1完全搜索　　完全搜索分为穷举搜索(Exhaustive)与非穷举搜索(Non-Exhaustive)两类。　　(1) 广度优先搜索( Breadth First Search )       　　算法描述：广度优先遍历特征子空间。　　算法评价：枚举了所有的特征组合，属于穷举搜索，时间复杂度是O(2n)，实用性不高。　　(2)分支限界搜索( Br

原文出处：https://cwiki.apache.org/MAHOUT/random-forests.html 以下代码均为伪代码Random Forestssource : [3]       LearnUnprunedTree(X,Y)       Input: X a matrix of R rows and M columns where Xij

目前，pca算法已经广泛应用于各方面，就拿图像处理，经常做的一件事就是当提取的图像特征维度比较高时，为了简化计算量以及储存空间，需要对这些高维数据进行一定程度上的降维，并尽量保证数据的不失真。先举个例子，方便理解：    1）对于一个训练集，100个sample(i=1,2,3,...,100)，特征Xi是20维.[Xi1,Xi2,Xi3,...Xij,...,Xi20](j=1,2,

文章出处：http://blog.sina.com.cn/s/blog_8095e51d01013chj.html今天学习了决策树算法中的ID3、c4.5、CART算法，记录如下：    决策树算法：顾名思义，以二分类问题为例，即利用自变量构造一颗二叉树，将目标变量区分出来，所有决策树算法的关键点如下：    1.分裂属性的选择。即选择哪个自变量作为树叉，也就是在n个自变量

主成分分析 （ Principal Component Analysis ， PCA ）主要 用于数据降维，做法就是求得一个k维特征的投影矩阵，这个投影矩阵可以将特征从高维降到低维。投影矩阵也可以叫做变换矩阵。新的低维特征必须每个维都正交，特征向量都是正交的。通过求样本矩阵的协方差矩阵，然后求出协方差矩阵的特征向量，这些特征向量就可以构成这个投影矩阵了。特征向量的选择取决于协方差矩阵的特征值的大小

查看所有的API:http://scikit-learn.org/stable/modules/classes.htmlXGBoost的python API中提供了sklearn版本的API:https://xgboost.readthedocs.io/en/latest/python/python_api.html#module-xgboost.sklearn只要