常给自己加个油

摘要： 交叉验证（Cross Validation）常见的交叉验证方法如下： 1、简单交叉验证 将原始数据随机分为两组，一组做为训练集，一组做为验证集，利用训练集训练分类器，然后利用验证集验证模型，记录最后的分类准确率为此分类器的性能指标。 好处： 处理简单，只需随机把原始数据分为两组即可 坏处： 但没有达 阅读全文

摘要： 本笔记主要记录学习《深度学习》的总结体会。如有理解不到位的地方，欢迎大家指出，我会努力改正。 在学习《深度学习》时，我主要是通过Andrew Ng教授在http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial上提供的UFLDL（Un 阅读全文

摘要： 这次主要介绍的是多个随机变量之间的关系，主要涉及联合概率，边缘概率，条件概率这三种关系，还有一个利用他们之间关系导出的非常重要的公式：贝叶斯公式 1.联合概率联合概率指的是包含多个条件且所有条件同时成立的概率，记作P(X=a,Y=b)或P(a,b)，有的书上也习惯记作P(ab)，但是这种记法个人不太 阅读全文

摘要： EM算法（Expectation Maximization Algorithm）详解主要内容EM算法简介预备知识极大似然估计Jensen不等式EM算法详解问题描述EM算法推导EM算法流程EM算法优缺点以及应用1、EM算法简介 EM算法是一种迭代优化策略，由于它的计算方法中每一次迭代都分两步，其中一个 阅读全文

摘要： 协方差矩阵在统计学和机器学习中随处可见，一般而言，可视作方差和协方差两部分组成，即方差构成了对角线上的元素，协方差构成了非对角线上的元素。本文旨在从几何角度介绍我们所熟知的协方差矩阵。 文章结构 方差和协方差的定义 从方差/协方差到协方差矩阵 多元正态分布与线性变换 协方差矩阵的特征值分解 1. 方 阅读全文

摘要： 本文为我跟 Ignasi Barrera 共同创作，本文英文版首发于 TheNewStack。 不同的公司或软件供应商已经设计了无数种方法来控制用户对功能或资源的访问，如酌情访问控制（DAC）、强制访问控制（MAC）、基于角色的访问控制（RBAC）和基于属性的访问控制（ABAC）。从本质上讲，无论何 阅读全文

摘要： 前言在高等代数里，矩阵分解是一个十分基础与重要的内容，任何一个学校对于理工科的研究生教育都会开设相应的课程，如：矩阵分析、矩阵论、线性系统等。看了不少社区的问答、笔记和博客，在它们的基础上加入一些自己的理解，写下这篇概念详解,博客中借鉴了不少前人的观点，这里感谢他们的付出 目录前言一、特征值分解（E 阅读全文

摘要： 前言：本文是学习笔记。 sklearn介绍scikit-learn是数据挖掘与分析的简单而有效的工具。 依赖于NumPy， SciPy和matplotlib。 它主要包含以下几部分内容： 从功能来分： classificationRegressionClusteringDimensionality 阅读全文

摘要： ABSTRACT近年来深度学习迅猛在各个研究领域发展发展，新的模型结构不断涌现，且有层数逐渐加深的趋势。然而深度模型往往有数量过于庞大的待优化参数，通常需要耗费大量的时间和机器资源来进行优化，而且不能根据需求及输入的变化进行修改。在随机向量函数链接神经网络（RVFLNN）[1]-[3] 的基础上，C 阅读全文

摘要： 1、什么是 softmax 机器学习总归是要接触到 softmax 的，那么这个东东倒底是怎么来的呢？实际上 softmax 可能指两种相似但不相同的东东。 1.1. softmax function 这函数定义比较符合 softmax 这个名字： 可见 softmax function 是从一个输 阅读全文