- 博客(7)
- 资源 (1)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 [林轩田]14-规范化
规范化多项式集合回归约束宽松的回归约束 looser constraint 稀疏规则化规则化的Wregweight decay regularization矩阵形式表示规则化回归问题选择最好的惩罚函数L1L2 规范参考资料 监督机器学习问题无非就是“minimizeyour error while regularizing your parameters”，也就是在规则化参数的
2016-08-18 16:20:22
967
原创 [林轩田]13-过拟合的危害
目录13-过拟合的危害什么是过拟合overFittingunderFitting过拟合的原因精确实验探究overfit程度的影响因素deterministic 噪声过拟合的解决办法其他资料13-过拟合的危害什么是过拟合如下图我们本来想要的是蓝色的二次曲线，取了五个点，但是我们使用红色的四次曲线穿过这5个点，使得 Ein E_{in} 很小但是我们从图像上可以看到 Eout E_{o
2016-08-17 17:15:57
2759
原创 [林轩田]12-非线性变换
二次方程的hypothesis对称中心在原点的二次方程一般情形的二次式非线性变换空间变换非线性变换的代价z空间的维度z空间的计算和存储代价二次方程的hypothesis对于非线性的数据分类，如果我们使用线性模型，就会使得Ein很大，分得不好。对称中心在原点的二次方程现在我们考虑如何用二次方程（圆的方式）来进行separate: 我们可以使用半径平方为0.6的圆可以将它分开 。这里我们进
2016-08-16 21:30:15
899
原创 11-分类的线性模型
三种线性模型错误衡量现在如果用这三个方法都用于二值分类的话，那么它们各自的错误衡量就变为： s表示用这个模型得出的分数,取值范围应该跟原来是一样的,线性回归的s=wx取值范围为实数R，logistic回归的取值范围为0-1（一个概率） ys：合起来表示正确的分数把三个模型的错误衡量表示在同一个坐标轴上面。cross entropy error :CE， logistic regression的e
2016-08-14 20:37:01
1000
原创 10-logistic regression
以下是台大林轩田老师讲的机器学习基石第10课的学习笔记 。软性二值分类(soft binary classification)目标函数这里我们的二值分类和硬性二值分类的数据是一样的，但是目标函数是不一样的。而软性二值分类所真正需要的数据是跟目标函数一样的概率，但是我们收集的数据却是分类的结果。logistic hypothesis对于提取的特征向量： 计算各个分量的加权分数，但我们需要把这个
2016-08-12 21:36:23
387
原创 cpp11新特性详解与应用
以下是我最近几个星期学习c++11做的一些记录，包括收集的一些信息，整理的相关概念和写的一些测试代码。具体相关代码我写了24个cpp文件，托管在来github上面cpp11，记录一下。Lambda表达式构成为了描述一个lambda，你必须提供： 它的捕捉列表：即（除了形参之外）它可以使用的变量列表（”[&]” 在上面的记录比较例子中意味着“所有的局部变量都将按照引用的方式进行传递”）。如果不需要捕
2016-08-08 14:37:39
3674
空空如也
关于SIFT算法提取特征点的疑问
2015-05-19
TA创建的收藏夹 TA关注的收藏夹
TA关注的人