Machine Learning - 随笔分类 - fuleying

Caffe框架详细梳理

摘要：protobuf是google公司开发的，并在Google内部久经考验的一个东西，在08年google把它贡献给了开源社区，随后便有越来越多的人使用它。protobuf是一个结构化信息传递的工具，主要用于数据存储、传输协议格式等场合。对于数据：Number*Channel*Height*Width 阅读全文

posted @ 2016-09-21 19:49 fuleying 阅读(3096) 评论(1) 推荐(1)

Understanding Convolutions【转】

摘要：Understanding ConvolutionsIn aprevious post, we built up an understanding of convolutional neural networks, without referring to any significant mathe... 阅读全文

posted @ 2015-08-09 23:01 fuleying 阅读(682) 评论(0) 推荐(0)

卷积神经网络CNN介绍：结构框架，源码理解【转】

摘要：1.卷积神经网络结构卷积神经网络是一个多层的神经网络，每层都是一个变换（映射），常用卷积convention变换和pooling池化变换，每种变换都是对输入数据的一种处理，是输入特征的另一种特征表达；每层由多个二维平面组成，每个平面为各层处理后的特征图（feature map）。常见结构：输入层为训... 阅读全文

posted @ 2015-08-09 22:38 fuleying 阅读(4946) 评论(0) 推荐(0)

受限玻尔兹曼机RBM—简易详解

摘要：阅读全文

posted @ 2015-08-09 22:11 fuleying 阅读(469) 评论(0) 推荐(0)

50个数据科学和机器学习速查表【转】

摘要：在数据科学领域有成千上万的包和数以百计的函数公式，你虽然不需要掌握所有的这些知识，但是有一个速查表在你的学习中是非常重要的。学习大数据包括对统计学、数学、编程知识（尤其是R、python、SQL）等知识的理解，还需要理解业务来驱动决策。这些表单也许能给你一些帮助。Python的速查表Python在初... 阅读全文

posted @ 2015-07-24 10:09 fuleying 阅读(860) 评论(0) 推荐(0)

机器学习(Machine Learning)&深度学习(Deep Learning)资料【转】

摘要：转自：机器学习(Machine Learning)&深度学习(Deep Learning)资料《Brief History of Machine Learning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learni... 阅读全文

posted @ 2015-05-12 17:08 fuleying 阅读(1766) 评论(0) 推荐(1)

Perceptron Learning Algorithm (PLA)

摘要：Perceptron - 感知机，是一种二元线性分类器，它通过对特征向量的加权求和，并把这个”和”与事先设定的门槛值(threshold)做比较，高于门槛值的输出1，低于门槛值的输出-1。其中sign是取符号函数，括号中所包含的内容大于0时，取+1；小于0时，取-1。对h(x)做一些数学上的简化。变... 阅读全文

posted @ 2015-05-08 11:34 fuleying 阅读(1007) 评论(0) 推荐(0)

常用的机器学习&数据挖掘知识点【转】

摘要：转自：【基础】常用的机器学习&数据挖掘知识点Basis(基础)：MSE(Mean Square Error 均方误差)，LMS(LeastMean Square 最小均方)，LSM(Least Square Methods 最小二乘法)，MLE(MaximumLikelihood Estimatio... 阅读全文

posted @ 2015-05-07 11:33 fuleying 阅读(356) 评论(0) 推荐(0)

朴素贝叶斯分类法

摘要：又叫做：简单贝叶斯分类法。是一种应用基于贝叶斯定理和特征条件独立假设的简单概率分类器。贝叶斯定理：特征条件独立假设：假定用于分类的各个特征(或属性)在类确定的条件下是相互独立的。所以这一假设降低了计算P(X=x|Y=ck)的开销，使得朴素贝叶斯法变得简单，但有时会牺牲一定的分类准确率。将后验概率最... 阅读全文

posted @ 2015-05-03 00:54 fuleying 阅读(355) 评论(0) 推荐(0)

决策树学习总结

摘要：又叫判定树，是一种基本的分类与回归方法。优点：可读性强，分类速度快，容易转换成if-then分类规则通常分为3个步骤：特征（属性）选择、决策树的生成、决策树的修剪。特征选择即选择分裂属性，又叫属性选择度量，把数据划分成较小的分区。决策树的生成又叫决策树学习或者决策树归纳。决策树生成时采用贪心（即非回... 阅读全文

posted @ 2015-05-02 21:27 fuleying 阅读(3196) 评论(0) 推荐(2)

数据挖掘中的公式

摘要：1. 数据预处理阶段，判定冗余数据用到的相关性分析、协方差分析（统计分析）：2. 关联规则中的支持度、置信度、相关性分析（概率分析）：阅读全文

posted @ 2015-05-01 21:55 fuleying 阅读(578) 评论(0) 推荐(0)

线性判别分析（LDA）, 主成分分析(PCA)及其推导【转】

摘要：前言：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，从推导、求解、到算法最终的结果，都有着相当的相似。本次的内容主要是以推... 阅读全文

posted @ 2015-04-29 15:10 fuleying 阅读(1895) 评论(0) 推荐(0)

十张图解释机器学习的基本概念【转】

摘要：在解释机器学习的基本概念的时候，我发现自己总是回到有限的几幅图中。以下是我认为最有启发性的条目列表。1. Test and training error:为什么低训练误差并不总是一件好的事情呢：ESL图2.11.以模型复杂度为变量的测试及训练错误函数。2. Under and overfitting... 阅读全文

posted @ 2015-04-29 08:56 fuleying 阅读(456) 评论(0) 推荐(0)

主成分分析（principal components analysis, PCA）——无监督学习

摘要：降维的两种方式:(1)特征选择(feature selection)，通过变量选择来缩减维数。（2）特征提取（feature extraction）,通过线性或非线性变换（投影）来生成缩减集（复合变量）。主成分分析（PCA）：降维。将多个变量通过线性变换（线性相加）以选出较少个数重要变量。力求信息损... 阅读全文

posted @ 2015-04-26 21:33 fuleying 阅读(12251) 评论(3) 推荐(0)

模式识别知识结构

摘要：阅读全文

posted @ 2015-04-26 14:39 fuleying 阅读(344) 评论(0) 推荐(0)

Windows下将txt导入MySQL及远程连接设置

摘要：1.修改字符编码，全部修改为gbk。这样修改，重启后又会恢复默认值。show variables like '%char%';set character_set_database=gbk;其中，character_set_client为客户端编码方式；character_set_connection... 阅读全文

posted @ 2014-11-05 01:17 fuleying 阅读(379) 评论(0) 推荐(0)

机器学习算法及应用领域相关的中国大牛[转]

摘要：李航：http://research.microsoft.com/en-us/people/hangli/，是MSRA Web Search and Mining Group高级研究员和主管，主要研究领域是信息检索，自然语言处理和统计学习。近年来，主要与人合作使用机器学习方法对信息检索中排序，相关性... 阅读全文

posted @ 2014-10-26 18:00 fuleying 阅读(214) 评论(0) 推荐(0)

Awesome (and Free) Data Science Books[转]

摘要：Post Date: September 3, 2014By: Stephanie MillerMarty Rose, Data Scientist in theAcxiomProduct and Engineering group, and an active member of the DMA ... 阅读全文

posted @ 2014-10-26 10:39 fuleying 阅读(249) 评论(0) 推荐(0)

机器学习算法之旅【翻译】【转】

摘要：在我们了解了需要解决的机器学习问题的类型之后，我们可以开始考虑搜集来的数据的类型以及我们可以尝试的机器学习算法。在这个帖子里，我们会介绍一遍最流行的机器学习算法。通过浏览主要的算法来大致了解可以利用的方法是很有帮助的。可利用的算法非常之多。困难之处在于既有不同种类的方法，也有对这些方法的扩展。这导致... 阅读全文

posted @ 2014-09-19 11:24 fuleying 阅读(326) 评论(0) 推荐(0)

偏差与方差

摘要：1. 偏差：估计量的数学期望（平均值）与真值的偏离程度2.方差:反映了估计量的取值在其数学期望（平均值）周围的分散或集中程度(波动程度)3. 相合性阅读全文

posted @ 2014-09-17 09:38 fuleying 阅读(659) 评论(0) 推荐(0)

随笔分类 - Machine Learning