zzzwwwmmm-CSDN博客

转载 Linux的mount命令

在linux系统下挂接(mount)光盘镜像文件、移动硬盘、U盘以及Windows网络共享和UNIX NFS网络共享。　　挂接命令(mount)　　首先，介绍一下挂接(mount)命令的使用方法，mount命令参数非常多，这里主要讲一下今天我们要用到的。　　命令格式：　　mount [-t vfstype] [-o options] device dir　　其中：　　1...

2019-02-28 08:57:49 3101

转载 Notepad 正则表达式替换【转】

转自：http://blog.csdn.net/gdp12315_gu/article/details/51730584在我们处理文件时，很多时候会用到查找与替换。当我们想将文件中某一部分替换替换文件中另一部分时，怎么办呢？下面正则表达式给我提供方法。正则表达式，提供复杂并且弹性的查找与替换注意: 不支持多行表达式 (involving \n, \r, etc).1 基本表达...

2019-01-10 10:05:46 369

转载 8 - 机器学习中的噪音与错误（Noise and Error）

噪音与概率目标函数（Noise and Probalistic Target）实际应用中的数据基本都是有干扰的：还是用信用卡发放问题举例子：标记错误：应该发卡的客户标记成不发卡，或者两个数据相同的客户一个发卡一个不发卡；输入错误：用户的数据本身就有错误，例如年收入少写一个0、性别写反了什么的。-------------------------

2015-11-10 10:25:37 1738

转载 7 - VC维度（VC Dimension）-- 衡量模型与样本的复杂度

VC Dimension的定义我们知道dichotomies数量的上限是成长函数，成长函数的上限是边界函数：边界函数的上限就是N^(k-1)了：于是我们得到了上限（成长函数）的上限（边界函数）的上限。。。所以VC Bound可以改写成：复习结束，下面我们定义VC Dimension：用中文讲，对于某个备选函数集

2015-11-04 19:15:16 2442

转载 6-VC Bound（P[BAD]的真正上限）

Break Point 对成长函数的限制回顾上一节提到的4个成长函数：假设对于一个问题，minimum break point k = 2（对于任意2个输入，H不能穷尽所有划分），基于该条件我们做出推论：即当 N=2 时，成长函数一定当 N=3 时，我们看看成长函数的 maximum possible value 等于多少？任意3个输入（x

2015-11-04 15:27:33 979

转载 5-训练与测试（重新理解机器学习的可靠性）

回顾与预览基于统计的学习流程：--- 如果备选函数集的大小|H|=M，M有限，训练数据量N足够大，则对于学习算法A选择的任意备选函数h，都有 E-out(h)≈E-in(h)--- 如果A找到了一个备选函数，使得E-in(h)≈0，则有很大概率E-out(h)≈0 ---》学习是可能的可以讲，机器学习有两个核心问题：1. 我

2015-11-03 15:56:57 795

转载 4-机器学习的可行性分析

一、第一条准则：没有免费的午餐！(no free lunch !)给一堆数据D，如果任何未知的f （即建立在数据D上的规则）都是有可能的，那么从这里做出有意义的推理是不可能的！！如下面这个问题无解（或者勉强说没有唯一解）：训练数据D包含了6张3*3的黑白图片，并给出了对应的输出，根据这些信息确定一个近似目标函数g，并用g计算最下方图片的输出。甲认真看了

2015-11-02 16:44:30 1380

转载 3-机器学习的分类

一、根据输出空间分类1，分类(classification)1.1 二值分类 (binary classification)：输出为 {+1， -1}。那个银行发信用卡的案例中，对于任意用户，输出只可能有两个结果{η}={+1，-1}，+1就发卡，-1就不发。这是一个简单的【二元分类问题】。同样的问题有很多，例如贷款（贷还是不贷）、签证（签还是不签）、答案（对还是不对）、邮件

2015-11-02 11:41:14 797

转载 2-学习回答是非问题

课程来自Coursera上的国立台湾大学《机器学习基石》（Machine Learning Foundations），由林轩田老师讲授。如何设定目标函数集首先回顾下机器学习的一般性定义：集合{χ}是所有可能的输入，集合{η}是所有可能的输出，函数f是{χ}到{η}的一个映射，这个函数利用输入得到正确的输出。问题是我们不知道f的形式，我们手头有的只是一些经验数

2015-10-31 17:32:57 806

转载 1 - 什么是机器学习？怎么用？

从人类学习到机器学习 - 机器学习模型人类通过【观察】积累知识，如果运用所掌握的知识完成一个目标，就是【技能】，一个小白从观察开始到获取技能的过程，就是【学习（Learning）】：同理，机器通过【数据】输入积累知识，如果运用其学到的知识完成指定的目标，并且在一定的标准下完成的更好（例如精确度更高、速度更快等），就是【技能】，一个初始程序从大量数据中获得技能的过程就是【机器

2015-10-30 16:59:12 717

原创计算机视觉基本知识

计算机视觉主要分为四个步骤：图像获取、图像校正、立体匹配和三维重建。其中，立体匹配的目的是在两个或多个对应同一场景的图像中找到匹配点，生成视差图。视差图可以通过一些简单的几何关系转换成深度图，用于三维重建。立体匹配是计算机视觉领域一个瓶颈问题，其结果的好坏直接影响着三维重建的效果。立体匹配算法，主要分为特征匹配算法和区域匹配算法。特征匹配算法主要是提取图像特征进行匹配，生成视图。由于只提取局部

2015-10-27 09:57:38 25830 1

原创 Displets论文读后感

1.论文基本信息题目：Displets:Resolving Stereo Ambiguities using Object Knowledge来源：Conferenceon Computer Vision and Pattern Recognition (CVPR)时间：2015.6作者：Fatma Guney, Andreas Geiger2.论文摘要立体技术近年来发展迅

2015-10-27 09:28:07 2439

zzzwwwmmm的博客