![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
NoEndForLearning
这个作者很懒,什么都没留下…
展开
-
中国计算机学会推荐国际学术会议和期刊目录
中国计算机学会推荐国际学术会议和期刊目录 (2018年1月) ...转载 2018-10-06 22:19:25 · 1941 阅读 · 0 评论 -
矩阵的迹tr运算及矩阵求导公式
一、矩阵的迹tr运算 二、矩阵的迹对矩阵求偏导 三、标量函数和矩阵函数对矩阵求偏导 1.向量*矩阵,对矩阵求导 ...转载 2019-12-04 22:20:13 · 29551 阅读 · 0 评论 -
Matlab利用自定义的EuDist2函数构建近邻图
在学习关于如何构建下图公式所示近邻图时,有一个非常简答的调用函数:EuDist2下面有两种代码实现效果一样。第一种:简单直接clear allclc%% method 1fea = rand(100,200);num_sample = size(fea,1);class_num = size(fea,1)/10;ticWw = zeros(num_s...转载 2019-11-09 18:18:54 · 808 阅读 · 0 评论 -
各种向量范数和矩阵范数的比较
一、向量范数首先定义一个向量为:a=[-5, 6, 8, -10]1.1 向量的1范数向量的1范数即:向量的各个元素的绝对值之和,上述向量a的1范数结果就是:29,MATLAB代码实现为:norm(a, 1);1.2 向量的2范数向量的2范数即:向量的每个元素的平方和再开平方根,上述a的2范数结果就是:15,MATLAB代码实现为:norm(a, 2);1...转载 2019-11-06 20:34:32 · 1396 阅读 · 0 评论 -
谱聚类(spectral clustering)原理总结
转载 2019-10-15 21:51:54 · 153 阅读 · 0 评论 -
拉普拉斯分布
如果随机变量的概率密度函数分布如下图所示,那么它就是拉普拉斯分布,记为x-Laplace(μ,λ),其中,μ 是位置参数,λ 是尺度参数。如果 μ = 0,那么,正半部分恰好是尺度为 1/λ(或者λ,看具体指数分布的尺度参数形式) 的指数分布的一半。 1.定...转载 2019-10-12 14:18:48 · 8014 阅读 · 0 评论 -
拉普拉斯矩阵
拉普拉斯矩阵(Laplacian matrix) 也叫做导纳矩阵、基尔霍夫矩阵或离散拉普拉斯算子,主要应用在图论中,作为一个图的矩阵表示。1.定义 给定一个有n个顶点的图G,它的拉普拉斯矩阵定义为: L=D-A 其中D为图的度矩阵,A为图的邻...转载 2019-10-10 16:36:17 · 3637 阅读 · 0 评论 -
Jaccard系数
Jaccard index, 又称为Jaccard相似系数(Jaccard similarity coefficient)用于比较有限样本集之间的相似性与差异性。Jaccard系数值越大,样本相似度越高。定义给定两个集合A,B,Jaccard 系数定义为A与B交集的大小与A与B并集的大小的比值,定义如下:当集合A,B都为空时,J(A,B)定义为1。与Jaccard 系数相关的指...转载 2019-06-05 13:04:40 · 6088 阅读 · 0 评论 -
对称函数、半正定矩阵(核函数涉及)
一、对称函数 在对称函数中,函数的输出值不随输入变数的排列而改变。从函数的形式中可以看出若输入变数排列后,方程式不会改变。例如对于一个球体.若 φ 为其方位角,θ为其天顶角,r为半径,则大圆距离可以表示为根据上述的距离公式,可以看出一些对称性,在以下变换下,距离不变:天顶角各加某特定角度。其方位角对调、天顶角对调,或是两者都对调。二、半正定矩阵A.常用定义...原创 2019-04-14 16:56:43 · 10420 阅读 · 0 评论 -
生物神经元
人脑大约由140亿个神经元组成,神经元互相连接成神经网络 神经元是大脑处理信息的基本单元,以细胞体为主体,由许多向周围延伸的不规则树枝状纤维构成的神经细胞,其形状很像一棵枯树的枝干。它主要由细胞体、树突、轴突和突触(Synapse,又称神经键)组成。 从神经元各组...转载 2019-03-27 12:49:56 · 1327 阅读 · 0 评论 -
线性判别分析(LDA):样本中心投影的推导
以平面二维为例:设为样本中心点,LDA直线为,投影直线的斜率与LDA直线垂直,斜率为,求得直线:直线与LDA直线的交点,即是样本中心在直线上的投影点:解得投影点:所以,距离为:第三步,把分子x0+y0·W写成了两个向量内积的形式,分母就是(1,W)这个向量的模,向量除以它的模,就是个单位向量,表示方向,这里方向就是斜率的方向,得到最终结果。...转载 2019-03-22 12:26:03 · 1873 阅读 · 0 评论 -
协方差矩阵
在统计学与概率论中,协方差矩阵的每个元素是各个向量元素之间的协方差,是从标量随机变量到高维度随机向量的自然推广。 概念 设 为n维随机变量,称矩阵为n维随机变量 的协方差矩阵(covariance matrix),也记为 ,其中为 的分量 和 的协方差(设它们都存在)。例如,二维随机变量 的协方差矩阵为其中由于 ,...转载 2019-03-22 10:53:17 · 1408 阅读 · 0 评论 -
一个博士(机器学习方向)关于发论文的几点忠告
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 2018-10-14 11:02:56 · 11247 阅读 · 2 评论 -
机器学习领域近年来有哪些热点
文章转自:https://www.zhihu.com/question/26976414问题:想要自学下机器学习并将其付之于应用,近几年听到的一直都是Deep Learning,可能正好符合了大数据潮流吧。 但我需要处理的问题的数据量很小,应该是个典型的小样本问题(样本数远小于特征维数)。 我想问一下,除了深度学习外,机器学习领域近年来还有什么热点吗...转载 2018-10-14 11:46:22 · 3696 阅读 · 0 评论 -
在机器学习领域,怎样写好一篇论文
当你做好了一个研究工作, 准备发表出来与同仁们分享, 一个首要的任务是把你的工作变成一篇文章。问题来了,怎样写作一篇高质量的文章呢?我们以机器学习领域的应用型文章为例,探讨一下论文写作的问题。注意,任何好的文章都要以好的研究工作为基础,我们这里不谈你的研究工作质量如何,只讨论文章的写作问题。要把一个工作写清楚,当然要先把它想清楚,要不然你写什么呢。那么就别急着写,让我们先想。想什么?首先,请问你自...转载 2018-10-14 13:30:06 · 1985 阅读 · 0 评论 -
机器学习怎么入门——自学篇
转自:https://blog.csdn.net/lsc989818/article/details/78817348时也势也,最近因为机缘巧合,下定主意要从项目管理领域跳转到机器学习领域(人工智能/深度学习),为了更快更高效的进入学习状态,我对这一块的培训市场和自学方法也做了一些调研。上一篇(机器学习培训班这么多,你该如何选择?)已经就培训市场情况,做了一个简要说明,今天就自学成才道路进行简...转载 2018-10-14 14:57:59 · 183 阅读 · 0 评论 -
从零开始,如何阅读一篇论文
转自:https://blog.csdn.net/GitChat/article/details/78019743这里的从零开始,指的是我们要从零了解这篇文章做了什么事情、使用了什么方法、得到什么结果,这样的方法和结果对我有没有什么借鉴。而不是说,接触到一个全新的领域,从读论文开始入手。对于没有过接触的陌生领域。我的方法是,先看中文综述,中文博士论文,而后是英文综述。通过中文综述,可以首先...转载 2018-10-14 16:58:03 · 811 阅读 · 0 评论 -
机器学习中一些方向以及方法的大体解释
子空间学习:subspace learning(1) 子空间学习是指通过投影实现高维特征向低维空间的映射,是一种经典的降维思想。例如人脸图像,如果每幅图像提取出来的特征是1000维,则每幅图像对应着1000维空间中的一个点。维数太高给计算带来很多问题,且很多人认为真实有效的人脸图像特征并没有那么高维,可能只有100维,即每幅人脸只是100维空间中的一个点。将特征从1000维压缩到100维,...原创 2018-10-16 18:41:19 · 2304 阅读 · 0 评论 -
CLIQUE算法----子空间聚类算法
CLIQUE:一种类似于Apriori的子空间聚类算法 CLIQUE算法是基于网格的空间聚类算法,但它同时也非常好的结合了基于密度的聚类算法,因此既能够发现任意形状的簇,又可以像基于网格的算法一样处理较大的多维数据。 CLIQUE算法把每个维划分成不重叠的社区,从而把数据对象的整个嵌入空间划分成单元,它使用一个密度阈值来识别稠密单位,一个单元是稠密的,如果映射到它的对象超过...转载 2018-11-21 22:41:05 · 15503 阅读 · 0 评论 -
特征值和特征向量意义
首先我们先把特征值和特征向量的定义复习一下:定义:设A是n阶矩阵,如果数λ和n维非零向量x使关系式……(1)成立,那么,这样的数λ称为矩阵A的特征值,非零向量x称为A的对应于特征值λ的特征向量,(1)式还可以写为: ……(2)如果想求出矩阵对应的特征值和特征向量就是求式(2)的解了。那么,问题来了,这个式子要怎么理解呢?首先得先弄清矩阵的概...转载 2018-12-13 17:46:51 · 2020 阅读 · 0 评论 -
利用信息熵构建决策树
决策树算法普遍存在于我们的日常生活中,我们在不经意间就会使用到决策树。比如你在纠结是否要去一家公司工作时,可能会用到下面的决策树:整个决策过程是这样的:如果公司待遇高,你可能就愿意去;如果待遇不高,你可能会继续考虑公司的平台好不好。如果连平台都不好,那就直接拒绝。如果平台很好,你就会继续考虑自己在这个平台上是否有成长空间,如果没有,你就会拒绝。如果有成长空间,你会觉得即便待遇不高,也...转载 2019-03-13 21:16:34 · 2412 阅读 · 0 评论 -
大数据和机器学习有什么区别
大数据的定义大数据(big data),指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。 大数据是一个笼统的概念暂未发现和准确的定义。大数据的核心是利用数据的价值,机器学习是利用数据价值的关键技术,对于大数据而言,机器学习是不可或缺的。相反,对于机器学习而言,越多的数据会越...转载 2018-10-07 15:13:37 · 796 阅读 · 0 评论