随笔分类 -  机器学习

最大似然估计 (Maximum Likelihood Estimation), 交叉熵 (Cross Entropy) 与深度神经网络
摘要：最近在看深度学习的"花书" （也就是Ian Goodfellow那本了），第五章机器学习基础部分的解释很精华，对比PRML少了很多复杂的推理，比较适合闲暇的时候翻开看看。今天准备写一写很多童鞋们w未必完全理解的最大似然估计的部分。 单纯从原理上来说，最大似然估计并不是一个非常难以理解的东西。最大似然 阅读全文
posted @ 2017-11-27 13:38 LeftNotEasy 阅读(13729) 评论(1) 推荐(6) 编辑
TensorFlow的开源与Hadoop的开源
摘要：最近看TensorFlow代码的时候，用Git pull下来最新的master一看，哇好多的更新，然后点击去之前看到一半的cc文件继续看，好多地方都改变了。但是一看Git log，有好多巨大的commit叫什么 "Merge commit for internal changes", "Merge 阅读全文
posted @ 2016-12-27 14:17 LeftNotEasy 阅读(3368) 评论(0) 推荐(1) 编辑
TensorFlow 源代码初读感受
摘要：把自己微博发的文章：http://www.weibo.com/1804230372/En7PdlgLb?from=page_1005051804230372_profile&wvr=6&mod=weibotime&type=comment 也转到博客来，算是自己写的很短的一篇博客了。 花了一些时间看 阅读全文
posted @ 2016-12-22 09:10 LeftNotEasy 阅读(9193) 评论(1) 推荐(0) 编辑
人人都要学一点深度学习（1）- 为什么我们需要它
摘要：人人都要学一点深度学习（1） 为什么我们需要它 版权声明 本文由 "@leftnoteasy" 发布于 "http://leftnoteasy.cnblogs.com" , 如需全文转载或有其他问题请联系wheeleast (at) gmail.com。 1.开篇 1.1 为什么我开始写这个系列博客 阅读全文
posted @ 2016-11-27 17:23 LeftNotEasy 阅读(9484) 评论(7) 推荐(3) 编辑
PyMining-开源中文文本数据挖掘平台 Ver 0.1发布
摘要：目前算法主要是针对那些单机能够完成的任务，该架构良好的扩展性能够让你在很短的时间内完成自己想要的算法，并且用于工程之中（相信我，肯定比Weka更快更好）。该项目的另一个特色是能够很好的支持中文文本的分类、聚类等操作。 *当前版新增 加入了K-Means算法，能够对文本进行聚类 加入了基于补集的朴素贝叶斯算法，大大提升了分类的准确率，目前该算法在搜狗实验室文本分类数据中，对20000篇、8分类左右的数据的预测准确率在90%左右 阅读全文
posted @ 2011-05-15 22:21 LeftNotEasy 阅读(14838) 评论(5) 推荐(8) 编辑
机器学习中的算法(2)-支持向量机(SVM)基础
摘要：版权声明： 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com。也可以加我的微博: @leftnoteasy 前言： 又有很长的一段时间没有更新博客 阅读全文
posted @ 2011-05-02 20:56 LeftNotEasy 阅读(173326) 评论(42) 推荐(52) 编辑
机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用
摘要：版权声明： 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com。也可以加我的微博: @leftnoteasy 前言： 上一次写了关于PCA与LDA的 阅读全文
posted @ 2011-01-19 22:27 LeftNotEasy 阅读(413023) 评论(84) 推荐(146) 编辑
机器学习中的数学(4)-线性判别分析（LDA）, 主成分分析(PCA)
摘要：版权声明： 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com 前言： 第二篇的文章中谈到，和部门老大一宁出去outing的时候，他给了我相当多的机器学习的建议，里面涉及到很多的算法的意义、学习方法等等。一宁上次给我提到，如果学习分类算法，最好从线性的入手，线性分类器最简单的就是LDA，它可以看做是简化版的SVM，如果想理解SVM这种分类器，那理解LDA就是很有必要的了。 谈到LDA，就不得不谈谈PCA，PCA是一个和LDA非常相关的算法，从 阅读全文
posted @ 2011-01-08 14:56 LeftNotEasy 阅读(207350) 评论(40) 推荐(31) 编辑
机器学习中的数学(3)-模型组合(Model Combining)之Boosting与Gradient Boosting
摘要：版权声明： 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com 前言： 本来上一章的结尾提到，准备写写线性分类的问题，文章都已经写得差不多了，但是突然听说最近Team准备做一套分布式的分类器，可能会使用Random Forest来做，下了几篇论文看了看，简单的random forest还比较容易弄懂，复杂一点的还会与boosting等算法结合（参见iccv09），对于boosting也不甚了解，所以临时抱佛脚的看了看。说起boosting，强哥 阅读全文
posted @ 2011-01-02 21:48 LeftNotEasy 阅读(111579) 评论(13) 推荐(17) 编辑
机器学习中的数学(2)-线性回归，偏差、方差权衡
摘要：版权声明： 本文由LeftNotEasy所有，发布于http://leftnoteasy.cnblogs.com。如果转载，请注明出处，在未经作者同意下将本文用于商业用途，将追究其法律责任。如果有问题，请联系作者 wheeleast@gmail.com 前言： 距离上次发文章，也快有半个月的时间了，这半个月的时间里又在学习机器学习的道路上摸索着前进，积累了一点心得，以后会慢慢的写写这些心得。写文章是促进自己对知识认识的一个好方法，看书的时候往往不是非常细，所以有些公式、知识点什么的就一带而过，里面的一些具体意义就不容易理解了。而写文章，特别是写科普性的文章，需要对里面的具体意义弄明白，甚至还 阅读全文
posted @ 2010-12-19 11:18 LeftNotEasy 阅读(69635) 评论(26) 推荐(16) 编辑
机器学习中的数学(1)-回归(regression)、梯度下降(gradient descent)
摘要：版权声明： 本文由LeftNotEasy所有，发布于http://leftnoteasy.cnblogs.com。如果转载，请注明出处，在未经作者同意下将本文用于商业用途，将追究其法律责任。 前言: 上次写过一篇关于贝叶斯概率论的数学，最近时间比较紧，coding的任务比较重，不过还是抽空看了一些机器学习的书和视频，其中很推荐两个：一个是stanford的machine learning公开课，在verycd可下载，可惜没有翻译。不过还是可以看。另外一个是prml-pattern recognition and machine learning, Bishop的一部反响不错的书，而且是200 阅读全文
posted @ 2010-12-05 23:51 LeftNotEasy 阅读(145423) 评论(43) 推荐(42) 编辑