0

Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition (ST-GCN)

Spatial Temporal Graph Convolutional Networks for Skeleton Based Action Recognition 摘要 动态人体骨架模型带有进行动作识别的重要信息，传统的方法通常使用手工特征或者遍历规则对骨架进行建模，从而限制了表达能力并且很难去 ...

shyern 发布于 2019-07-29 11:26 评论(0)阅读(131)
0

100天搞定机器学习|Day7 K-NN

机器学习100天|Day1数据预处理 100天搞定机器学习|Day2简单线性回归分析 100天搞定机器学习|Day3多元线性回归 100天搞定机器学习|Day4 6 逻辑回归 最近事情无比之多，换了工作、组队参加了一个比赛、和朋友搞了一些小项目，公号荒废许久。坚持是多么重要，又是多么艰难，目前事情都 ...

jpld 发布于 2019-07-29 11:22 评论(0)阅读(83)
0

交叉熵损失函数

1. Cross entropy 交叉熵损失函数用于二分类损失函数的计算,其公式为： 其中y为真值,y'为估计值.当真值y为1时, 函数图形: 可见此时y'越接近1损失函数的值越小,越接近0损失函数的值越大. 当真值y为0时, 函数图形: 可见此时y'越接近0损失函数的值越小,越接近1损失函数的值越 ...

MSTK 发布于 2019-07-28 17:26 评论(0)阅读(184)
1

我是这样一步步理解--主题模型(Topic Model)、LDA(案例代码)

文章目录1. LDA模型是什么1.1 5个分布的理解1.2 3个基础模型的理解1.3 LDA模型2. 怎么确定LDA的topic个数？3. 如何用主题模型解决推荐系统中的冷启动问题？4. 参考文献5. 代码实现 1. LDA模型是什么 LDA可以分为以下5个步骤： 一个函数：gamma函数。 四个分... ...

mantch 发布于 2019-07-28 16:03 评论(0)阅读(122)
0

图像的点运算

1.线性点运算 原始图像的灰度值我们可以使用f(x,y)来表示在（x,y）处的图像灰度值，我们经过点运算输出的图像灰度值则为：g(x,y).为了表示的方便，我们通常使用r来表示原始图像的灰度值，s用来表示处理后图像的灰度值。 线性点运算的公式如下：s=ar+b,如下图所示： a和b取值的大小影响着我 ...

Geeksongs 发布于 2019-07-27 13:56 评论(0)阅读(32)
0

你想知道的特征工程，机器学习优化方法都在这了！收藏！

文章目录1. 特征工程有哪些？1.1 特征归一化1.2 类别型特征1.3 高维组合特征的处理1.4 文本表示模型1.5 其它特征工程1.6 特征工程脑图2. 机器学习优化方法2.1 机器学习常用损失函数2.2 什么是凸优化2.3 正则化项2.4 常见的几种最优化方法3. 机器学习评估方法3.1 准.... ...

mantch 发布于 2019-07-27 10:17 评论(0)阅读(55)
0

自然语言处理项目流程

第一步：获取语料 1、已有语料 2、网上下载、抓取语料 第二步：语料预处理 1、语料清洗 2、分词 3、词性标注 4、去停用词 三、特征工程 1、词袋模型（BoW） 2、词向量 第四步：特征选择 第五步：模型训练 1、模型 2、注意事项 （1）过拟合 （2）欠拟合 （3）对于神经网络，注意梯度消失和 ...

正态分个布 发布于 2019-07-26 10:16 评论(0)阅读(76)
1

K-Means(K均值)、GMM(高斯混合模型)，通俗易懂，先收藏了！

1. 聚类算法都是无监督学习吗? 什么是聚类算法？聚类是一种机器学习技术，它涉及到数据点的分组。给定一组数据点，我们可以使用聚类算法将每个数据点划分为一个特定的组。理论上，同一组中的数据点应该具有相似的属性和/或特征，而不同组中的数据点应该具有高度不同的属性和/或特征。聚类是一种无监督学习的方法，.... ...

mantch 发布于 2019-07-25 20:19 评论(0)阅读(271)
0

几种特殊的分块矩阵

1.准对角阵 准对角阵的形式如下： 由于我们知道A所对应的行列式的值等于每一个分块A行列式的值的乘积，同时假设我们的A矩阵是可逆矩阵的话，则A矩阵所对应的行列式的值一定不等于零，又有公式： 所以我们可以导出，A矩阵当中的每一个小分块矩阵都是可逆的，因为它们每一个矩阵所对应的行列式的值都不等于零，不然 ...

Geeksongs 发布于 2019-07-25 11:37 评论(0)阅读(199)
0

pandas的用法

1.a = pandas.read_csv(filepath)：读取.csv格式的文件到列表a中，文件在路径filepath中 pandas.core.frame.DataFrame是pandas的核心结构 b = a.head(n)：b中存有文件前n行,默认为5行 b = a.tail(n):b中 ...

地球上最后一个直男 发布于 2019-07-25 09:14 评论(0)阅读(42)
0

TF-IDF & CNN

TF-IDF 认为一个单词出现的文本频率越小，它区别不同类别的能力就越大，所以引入了逆文本频度 IDF 的概念：以 TF 和 IDF 的乘积作为特征空间坐标系的取值测度。 Wi 表示第 i 个特征词的权重，TFi(t，d) 表示词 t 在文档 d 中的出现频率，N 表示总的文档数，DF(t) 表示包 ...

luckc# 发布于 2019-07-24 14:08 评论(0)阅读(64)
0

主成分分析(PCA)原理与实现

主成分分析原理与实现   主成分分析是一种矩阵的压缩算法，在减少矩阵维数的同时尽可能的保留原矩阵的信息，简单来说就是将 $n×m$的矩阵转换成$n×k$的矩阵，仅保留矩阵中所存在的主要特性，从而可以大大节省空间和数据量。最近课上学到这个知识，感觉很有意思，就在网上找一些博客进行学 ...

雨心杨 发布于 2019-07-23 22:57 评论(0)阅读(166)
0

转战物联网·基础篇07-深入理解MQTT协议之控制报文（数据包）格式

  在MQTT协议中，一个控制报文（数据包）的结构按照前后顺序分如下三部分： | 结构名 | 中文名 | 解释说明 | | | | | | Fixed header | 固定报头 | 报文的最开始部分，所有报文都包含这个部分 | | Variable header | 可变报头 ...

学为所用 发布于 2019-07-23 18:06 评论(0)阅读(123)
0

Nvidia Jetson TX2开发板学习历程（１）－ 详细开箱、上电过程

考试周已经结束了，开发板也已经到了。希望借着这个假期能够好好的利用这块开发板学习Linux系统以及Tensorflow的相关知识。 我打算将学习历程通过博客的方式写出来，作为自己的笔记，也可以供以后拿到板子的人做参考。 1.1 开箱以及安装 不多作介绍，需要注意以下几点： 1. 套件中提供了电源适配 ...

LYT_Dr 发布于 2019-07-23 07:36 评论(0)阅读(417)
0

从似然函数到EM算法(附代码实现)

文章目录1. 什么是EM算法1.1 似然函数1.3 极大似然函数的求解步骤1.4 EM算法2. 采用 EM 算法求解的模型有哪些？3.代码实现4. 参考文献 1. 什么是EM算法 最大期望算法（Expectation-maximization algorithm，又译为期望最大化算法），是在概率模.... ...

mantch 发布于 2019-07-21 12:16 评论(0)阅读(122)
0

转战物联网·基础篇06-深入理解MQTT协议之基本术语

  通过上一节我们对MQTT协议已经有了初步的印象，这一节我们开始深入的理解一下MQTT协议，介绍常用的MQTT 3.1.1版本，5.0版本后面指介绍新增部分即可。这一节我们先介绍MQTT里常用的术语（非官方文档直接复制）。    网络连接(Network C ...

学为所用 发布于 2019-07-20 22:10 评论(0)阅读(74)
0

决策树、随机森林与k-means聚类算法

决策树的构建满足信息熵增益最大化原则 决策树的优点： 可解释性高 能处理非线性的数据 不需要数据归一化 可以用于特征工程 对数据分布没有偏好 广泛使用 容易软件实现 可以转化为规则 决策树的弱点 启发式生成，不是最优解 容易过拟合 微小的数据改变会改变整个树的形状 对类别不平衡的数据不友好 随机森林 ...

igofreely 发布于 2019-07-20 17:24 评论(0)阅读(145)
0

常用激活函数总结

神经网络与激活函数 神经网络从数学上来说，就是用来拟合一个函数。把数据扔进去，得到一个预测结果，以此来解决分类和回归等问题。但是针对不同的问题，需要拟合不同的函数，包括线性函数和非线性函数。神经网络中常常会见到各种激活函数，当需要拟合非线性函数时就需要激活函数登场了。 对于每个神经元来说，都是先进行 ...

Lziwen 发布于 2019-07-19 22:47 评论(0)阅读(78)
2

统计机器学习

统计机器学习大纲！！！ 监督学习：线性回归；逻辑回归；感知机；K近邻；决策树；朴素贝叶斯；支持向量机；最大熵模型 集成学习：Boosting系列算法；Bagging系列算法；AdaBoost算法；XgBoost算法；随机森林 无监督学习：k-means均值算法；BIRCH聚类算法；DBSCAN... ...

咸鱼Chen 发布于 2019-07-19 19:02 评论(0)阅读(427)
0

深度学习基础--反向传播推导

[TOC] Model 前向传播 反向传播 求误差 求${\theta}^3_{11}$对J的影响 求${\theta}^2_{11}$对J的影响 误差反传 每一层的残差都由后一层的残差乘以两层之间的权重矩阵，再乘以当前层的激活函数的导数得到。 权重梯度由前面的激活值和后面的残差乘积得到的 参考： ...

掰不开桃子的男人 发布于 2019-07-19 10:33 评论(0)阅读(25)