机器学习
关注
分享
扫一扫
文章平均质量分 91
爱学习的段哥哥
带着梦想前行
展开
-
MLE (最大似然) 与 LS (最小二乘) 与 MAP (最大后验)
最大似然估计 属于机器学习中的常用的基础思想，很多具体的算法及模型都基于它建立，或者能够基于它找到解释。本文详细讨论这三者本身以及他们的关联原创 2017-05-06 08:56:34 · 11942 阅读 · 0 评论 -
概率分布详解 Bernoulli、Binomial、Beta
Bernoulli、Binomial、Beta 分布是概率统计常用的基础，本文详细介绍、分析，并给出一个应用举例原创 2017-07-08 15:22:02 · 24084 阅读 · 1 评论 -
Adaboost 详解
Adaboost (Adaptive Boosting) 详解本文会详细介绍 Adaboost 这一 ensemble 模型（属于 boosting类别）。从基本定义，详细实现到算法原理都会展开讲解。原创 2017-08-17 22:10:57 · 6310 阅读 · 3 评论 -
VJ框架 与 人脸检测/物体检测 详解
本文详细阐述 Viola-Joines 人脸检测/物体检测 实时处理框架，主要参考 Robust Real-Time Face Detection 这篇论文以及本人工程实践经验。原创 2017-08-17 22:29:03 · 8847 阅读 · 3 评论 -
GBM 与 GBDT 与 XgBoost
Gradient Boost Decision Tree 是当前非常流行的机器学习算法（监督学习），本文将从渊源起逐层讲解 GBDT，并介绍目前流行的 XgBoost。原创 2017-08-20 10:04:52 · 10007 阅读 · 0 评论 -
GLM(广义线性模型) 与 LR(逻辑回归) 详解
本文对 GLM 广义线性模型 与 Logistic Regression 逻辑回归 相关话题进行了相对深入全面的解析，并提供大量数学证明。原创 2017-07-21 11:58:05 · 66316 阅读 · 7 评论