摘要： 通常以关注的类为正类，其他类为负类，分类器在数据集上的预测或者正确或者不正确，我们有 $4$ 种情况： 1）TP：True Positive， 把正类预测为正类； 2）FP：False Positive，把负类预测为正类； 3）TN：True Negative， 把负类预测为负类； 4）FN：Fal 阅读全文

摘要： 从数学上讲，卷积就是一种运算。定义函数 $f,g$ 的卷积 $(f * g)(t)$ 如下 1. 连续形式： $$(f*g)(t) = \int_{-\infty}^{+\infty}f(\tau)g(t - \tau)d\tau$$ 那这个怎么理解呢？ 函数 $g(t)$ 可以理解为冲击响应，即一 阅读全文

摘要： 采样：模拟信号是连续的，这就意味着一段时间 $T$ 的模拟波由无数个点组成，如果要用计算机表示就要把这无数个点存储下来，这显然是 不可能的而且是没有必要的。那么我们可以用隔一段记录一个点的方式存储这段模拟波，存储下来的点就是对这段模拟波的采样。 采样规则：根据香农（奈奎斯特）定理，采样信号(离散的) 阅读全文

摘要： 计算机视觉（Computer Vision）研究如何让计算机可以像人类一样去理解图片、视频等多媒体资源内容。例如用摄影机和计算机代替人眼对目标进行识别、 跟踪和测量等，并进一步处理成更适合人眼观察或进行仪器检测的图像。 图像处理和计算机视觉 图像处理：对输入的图像做某种变换，输出仍然是图像，基本不涉 阅读全文

摘要： 支持向量机是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。 模型包括以下几类： 当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机； 当训练样本近似线性可分时，通过软间隔最大化，学习一个线性支持向量机； 当训练样 阅读全文

摘要： Apriori 算法需要多次扫描数据，I/O是很大的瓶颈。为了解决这个问题，FP Growth 算法采用了一些技巧，无论多少数据，只需要扫描两次数据集即可。 FP Tree数据结构 为了减少 I/O 次数，FP Tree 算法引入了一些数据结构来临时存储数据。这个数据结构包括三部分，如下图所示： 1 阅读全文

摘要： Apriori 算法是常用的用于挖掘出数据关联规则的算法，它用来找出数据值中频繁出现的数据集合，找出这些集合的模式有助于我们做一些决策。 频繁项集的评估标准 什么样的数据才是频繁项集呢？一起出现次数多的数据集就是频繁项集吗！的确，这也没有说错，但是有两个问题： 1）当数据量非常大的时候，我们没法直接 阅读全文

摘要： 阅读本篇之前，可先阅读一下主成分分析。 对于 PCA 寻找的基向量满足：样本在该基向量方向投影后的坐标方差最大。对于 LDA 则换了一个标准，不选择投影坐标方差最大的方向， 而选择能使样本点分类效果最好的方向，即：不同类别的样本点越分开越好，同类的越聚集越好。 这也就意味着，LDA 算法必须事先就知 阅读全文

摘要： $\bullet$ 特征值分解。 特征值分解是针对方阵的，而且这个方阵必须能够相似对角化(如果不了解可以先去阅读一下矩阵相似的博客)，那么就有 $$P^{-1}AP = \Lambda \; \Rightarrow \; A = P\Lambda P^{-1}$$ 其中 $P$ 由特征向量构成，$\ 阅读全文

摘要： 支持向量机是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。 模型包括以下几类： 当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机； 当训练样本近似线性可分时，通过软间隔最大化，学习一个线性支持向量机； 当训练样 阅读全文