LiYiming

摘要： stri = '' try: for line in iter(input, stopword): stri += line + '\n' except EOFError: pass stri = stri[0:-1] # do something……``` 其中，stopword代表空字符船：当读 阅读全文

摘要： 1、ROI提取原理： 感兴趣区域池（也称为RoI池）是一种使用卷积神经网络广泛用于对象检测任务的操作。例如，在单个图像中检测多个汽车和行人。其目的是对不均匀大小的输入执行最大池化，以获得固定大小的特征图（例如7×7）。给一个讲解的很透彻的链接：https://blog.deepsense.ai/re 阅读全文

摘要： 千里之行始于足下，重视基础才是本质。 在矩阵论中提到的线性变换是一个相对抽象的概念，先给出相关定义 定义： 设V是数域K上的线性空间，T是V到自身的一个映射，使对任意向量$x\in V$，V中都有唯一的向量y与之对应，则称T是V的一个变换或者算子，记$Tx=y$，称y为x在T下的象，而x是y的原象（ 阅读全文

摘要： Domain Adaptable 在经典的机器学习模型中，我们习惯性假设训练数据集和目标训练集有着相同的概率分布。而在现实生活中，这种约束性假设很难实现。当训练数据集和测试集有着巨大差异时，很容易出现过拟合的现象，使得训练的模型在测试集上表现不理想。 举个简单的例子，如果我们哟普大量的黄种人人脸监督 阅读全文

摘要： 随机森林，顾名思义，是由众多决策树构建而成的算法。其最终输出由众多决策树根据投票决定（得票最多者获胜；或者得票超过一半输出，否则不输出。具体策略根据情况而定）。随机森林属于 集成学习 中的 Bagging（Bootstrap AGgregation 的简称） 方法。具体的，集成学习包含Boostin 阅读全文

摘要： 引言、 最近在看周志华老师的《机器学习》，期间在主成分分析和降维学习方面经常出现样本协方差矩阵的计算，这里对这一部分知识进行查阅和辨析，以便以后学习阶段的理解。 样本与随机变量 样本的获取可以看作是随机变量的采集过程。我们将两者的区别尽可能放大： 随机变量：此时我们已经知道了变量的分布情况，即假设知 阅读全文

摘要： 在众多的机器学习模型中，线性代数的身影无处不在，当然，我们也会时常碰到线性代数中的正定矩阵和半正定矩阵。例如，多元正态分布的协方差矩阵要求是半正定的。 1. 基本的定义 正定和半正定这两个词的英文分别是positive definite和positive semi-definite，其中，defin 阅读全文

摘要： 在数据预处理中，我们需要采集前的数据是非常庞大的。不妨将数据集D视作一个矩阵，每一行对应一个样本，每一列对应某个特征。 而在现实生活中，例如文档分类任务，以每一个字词作为一个特征，特征属性多大成千上万，即数千数万列，而相当一部分特征对于所考虑的问题具有“稀疏性”，也就是矩阵中许多列与当前学习任务无关 阅读全文

摘要： 一、时不变（time-invarant）系统与时变（time-varying）系统 时不变性质：输入延迟多长时间，其零状态响应也延迟多少时间。 即对于一个系统（不失一般性，假设为连续信号），若其输入为x(t)，输出为y(t)。如果输入信号延迟t0变为x(t-t0)，则输出信号相应地变为y(t-t0) 阅读全文

摘要： 8.1、集成学习 集成学习（ensemble learning）通过结合不同的学习算法来解决实际任务，有时也被称为多分类器系统（multi-classifier system）、基于委员会的学习（committee-based learning）。 如下图8.1所示，个体学习器通常由一个现有的学习算 阅读全文