随笔分类 - 机器学习
摘要：第三讲比较简单，参考：http://www.cnblogs.com/HappyAngel/p/3466527.html 第四讲很抽象，尤其是第四个视频，目的仍然是为了证明机器学习是可能的，不过这个博主解释的还算清楚：http://www.cnblogs.com/HappyAngel/p/349580
阅读全文
摘要：这学期学了机器学习这门课，想趁期末看看台大的这门课再把课程梳理一遍。 PLA是判断是非题，即输出1或-1。 笔记可以参考这位博主，写得还不错：http://www.cnblogs.com/HappyAngel/p/3456762.html 其中证明PLA算法确实能够越来越接近最完美的感知机以及PLA
阅读全文
摘要：http://spin.atomicobject.com/2014/06/24/gradient-descent-linear-regression/这篇博文结合线性回归的例子介绍了梯度下降，有图有代码，通俗易懂
阅读全文
摘要：参考：http://www.52ml.net/16296.html 这个算法的优点就在于，它首先一步就能找到聚类中心，然后划分类别。而其他算法需要反复迭代才能找到中心聚类。 就是不知道代码该怎么写。。。。。。。
阅读全文
摘要：参考：http://www.cnblogs.com/ywl925/p/3275878.html这个模型主要用于信息检索，但它的思想用于图像也未尝不可。TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类...
阅读全文
摘要：这是 Quora上的一篇文章：http://www.quora.com/What-is-an-eigenvector-of-a-covariance-matrix 协方差矩阵最大特征值对应的特征向量的方向，就是数据变化最大的方向。其他特征向量依次正交。
阅读全文
摘要：参考：http://www.cnblogs.com/jerrylead/archive/2011/04/19/2021071.html 对高斯分布的样本点效果不好。数学真是博大精深啊
阅读全文
摘要：理论部分可以看斯坦福大学的那份讲义，通俗易懂：http://www.cnblogs.com/jerrylead/archive/2011/04/18/2020209.html opencv中有PCA这个类，具体的实现可参考：http://www.cnblogs.com/zcftech/archive
阅读全文
摘要：对于线性回归式Y=wtX，y中的每个特征都与x的所有特征相关联，但无法表示y的各个特征之间的联系。 为此需要将整体表示成Y和X各自特征间的线性组合，也就是考察aTx和bTy之间的关系，用相关系数表示， 因此，问题就转化为求一组a,b使得相关系数最大，用拉格朗日求解。
阅读全文
摘要：转自：http://www.cvchina.net/post/151.html 这篇文章主要介绍了一些常用算法的优缺点，言简意赅，不错。
阅读全文
摘要：《统计学习方法》这本书上写的太抽象，可参考这位大神的：http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006924.html
阅读全文
摘要：参考：http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006936.html 可以参考李航的统计学习方法，给了个例子，便于理解
阅读全文
摘要：参考：http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006910.html k-means是无监督的聚类算法，比较简单，但包含的思想不简单，与后面很难的EM有很大关联
阅读全文
摘要：上课听老师讲SVM，听了个大概，这篇文章把整体的思路写了出来，非常的赞。http://www.cnblogs.com/LeftNotEasy/archive/2011/05/02/basic-of-svm.html
阅读全文
摘要：参考：http://ask.julyedu.com/question/276 说下自己的理解。 使用对偶是为了更容易求解，使min max f(w,a,b)(设为p*)转化为 max min f(w,a,b)(设为d*) d*0，这样的点才是支持向量。 先将a固定，分别对w,...
阅读全文
浙公网安备 33010602011771号