机器学习
关注
分享
扫一扫
文章平均质量分 52
奕涛
机器学习热爱者
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
机器学习--学习笔记（二）
建立机器学习系统的一个推荐流程（部分）：1. 从一个你能快速实现的算法开始，在此基础上做训练并进行交叉验证（注1）。2. 画出学习曲线，并决定使用更多数据，还是更多特征或者减少特征等等（选择策略参照学习笔记一）。3. 做错误分析。 错误分析手动观察决策模型判断错误的数据，从中获得可能有效的改进策略。比如观察模型决策失误的数据往往是什么类别的？这类数据有什么特征原创 2014-05-28 23:40:27 · 689 阅读 · 0 评论 -
Exponential families
关于Exponential families的介绍。原创 2015-06-21 20:15:15 · 734 阅读 · 0 评论 -
生成模型与判别模型
生成模型与判别模型监督学习的任务就是学习一个模型，应用这个模型，对给定的输入预测相应的输出。这个模型一般为决策函数：Y=f(X)或 条件概率分布：P(Y|X)。监督学习的学习方法可以分为生成方法（generative approach）和判别方法（discriminative approach）。所学到的模型分别叫生成模型和判别模型。 生成方法定义由数据学习联合转载 2015-03-26 21:52:08 · 386 阅读 · 0 评论 -
EM算法
EM算法本文试图用最简单的例子、最浅显的方式说明EM（Expectation Maximization）算法的应用场景和使用方法，而略去公式的推导和收敛性的证明。以下内容翻译自《Data-Intensive Text Processing with MapReduce》。Maximum Likelihood EstimationMaximum Likelihood Esti转载 2015-03-01 18:20:48 · 516 阅读 · 0 评论 -
如何判断一个函数是否是凸的
设f是定义域为实数的函数，如果对于所有的实数x，，那么f是凸函数。当x是向量时，如果其hessian矩阵H是半正定的（），那么f是凸函数。如果或者，那么称f是严格凸函数。原创 2015-03-01 17:03:16 · 11551 阅读 · 1 评论 -
机器学习--学习笔记（三）--神经网络
1.神经网络模型 神经网络由一个输入层、输出层以及一个或多个隐藏层组成，模型图如下所示。 图1其中，Layer1为输入层，Layer2为隐藏层，Layer3为输出层。 2.预测：前向传播算法 如果把输入层设为第1层，则第1层隐藏层为第原创 2014-05-30 01:38:56 · 1074 阅读 · 0 评论 -
机器学习--学习笔记（四）--支持向量机
1. 决策式①是SVM的决策边界函数。其中，m为样本数，n为特征数，是y=1时对的线性近似，其形状如图①。是y=0对的线性近似，其形状如图②。 图① 图②一般而言，要求式①满足如下条件：s.t. 这样一来，求决策边界就等价于以上述两个条件为前提，求最小值了。求得θ后，就可以据此对新数据做决策，即;。 2. 核原创 2014-05-30 23:57:18 · 647 阅读 · 0 评论 -
机器学习--学习笔记（一）
机器学习算法表现不佳时，有下面6种方法可用于原创 2014-05-28 21:39:55 · 590 阅读 · 0 评论 -
机器学习--邮件过滤
这篇文章将以Spam classifier为主题展开 1. 怎么获得一个更好的垃圾邮箱分类器？ 1.1 使用更多训练数据。 1.2 从邮件头获得更精细的特征。 1.3 从邮件体获得更精细的特征。 1.4 使用更高级的算法检测拼写错误。原创 2014-05-28 22:52:43 · 1024 阅读 · 0 评论 -
机器学习--学习资源汇总
1.Coursera 公开课--Andrew ML公开课https://class.coursera.org/ml-0052.原创 2014-05-28 22:01:12 · 619 阅读 · 0 评论 -
Variational Inference
关于变分推断(Variational Inference)的介绍。原创 2015-06-22 15:36:48 · 1574 阅读 · 0 评论