热门好课推荐
猜你喜欢
相关培训 相关博客
  • #机器学习-机器视觉 学习心得本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦:Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B斜体 Ctrl + I引用 Ctrl...
    2019-02-21 21:54:04
    阅读量:1675
    评论:7
  • EM算法推导可以根据AndrewNG的,他的推导逻辑性非常强,没有考虑概率模型,但是推导完了还是觉得云里雾里。李航老师的是根据概率模型过来,意义比较清晰,但是!!!书上有bug!吐血........还有就是书上的表达有点不适合我们通常的定义法。感谢大牛为我解疑惑:http://www.cnblogs.com/Determined22/p/5776791.html1EM算法EM是...
    2018-08-08 17:46:51
    阅读量:1108
    评论:0
  • 机器学习统计学习方法,李航就是小蓝书,精简的不得了,每次回味都有不同收获。
    2018-10-09 11:17:10
    阅读量:293
    评论:0
  • 1、思想最大化最小间隔拉格朗日乘子法求解2、推导过程3、拓展知识点软间隔,原来是最小间隔必须大于1,软了就是相对宽松些,可以有个ϵ\epsilonϵ.核函数,橘黄色的部分,是特征向量内积,相当于把向量映射到一个上面去,增加分类的准确性。SVM多分类问题 https://www.cnblogs.com/CheeseZH/p/5265959.html一对一一对多层次分类...
    2019-03-02 16:16:45
    阅读量:54
    评论:0
  • 机器学习涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。其理论主要是设计和分析一些让计算机可以自动“学习”的算法。本议题将探讨如何从人机交互李航,华为诺亚方舟首席科学家。曾任职于日本NEC公司中央研究所,2001年任职于微软亚洲研究院,任高级研究员及主任研究员。李航的研究方向包括信息检索、自然语言处理、统计机器学习,以及数据挖掘。
    2013-11-30 17:36:39
    阅读量:829
    评论:0
  • 朴素贝叶斯项目链接:公式推导贝叶斯算法的原理,在李航机器学习的书中已有详细证明,一下只对关键问题进行证明1 为什么贝叶斯中后验概率最大化等价于经验风险最小化令L(y,f(x))L(y, f(x))L(y,f(x))为损失函数,通过积分可以得到经验损失Repp(f)=∫x∫yL(y,f(x))×P(x,y)dxdy=∫x∫yL(y,f(x))×P(y∣x)P(x)dxdy=∫xP(x)...
    2019-06-10 16:32:48
    阅读量:64
    评论:0
  • #机器学习-机器视觉 学习心得本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦:Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B斜体 Ctrl + I引用 Ctrl...
    2019-02-22 21:52:11
    阅读量:78
    评论:0
  • 机器学习的三种不同方法:一、监督学习(supervisedlearning)——对未来事件进行预测。使用有类标的数据构建数据模型。然后使用经训练得到的模型对未来的数据进行预测。主要分为两类:1.利用分类对类标进行预测2.使用回归预测连续输出值二、无监督学习(unsupervisedlearning)——发现数据本身潜在的结构。分为两类:1.通过聚类发现数据的子群2.数据压缩中的降...
    2018-10-12 00:45:34
    阅读量:1626
    评论:0
  • 10种统计学习方法特点的总结概括 方法 适用问题 模型特点 模型类型 学习策略 学习的损失函数 学习算法 备注 感知机 二类分类 分离超平面 判别模型 极小化误分类点到超平面的距离 误分类点到超平面距离(经验风险) 随机梯度下降 ...
    2019-03-26 14:23:53
    阅读量:192
    评论:0
  • AdaBoost梯度提升算法项目链接:https://github.com/Wchenguang/gglearn/blob/master/AdaBoost/李航机器学习讲解/AdaBoost.ipynb算法步骤与原理训练 mmm 个弱学习分类器,分类器有相同的接口Gm(x):X→{x1,x2… } G_{m}(x) : \mathcal{X} \right...
    2019-07-25 11:34:58
    阅读量:20
    评论:0