累了就歇一会

为什么是英文标题呢，因为这个算法还没有正式的翻译，为2015年的Science上发表的一个算法。非常好，在我的论文里涉及到了这个算法的使用。这里记录一下这个算法。如果要英文原文的，就去谷歌搜索这个标题就好了。至于能不能免费看，要看有没有人提供或者购买。聚类算法本身聚类算法大家应该非常熟悉，聚类算法应用领域非常广泛，甚至从天文学到生物学都有很多应用。其中最熟悉的一些包括：K-means和K-medoi

CPU模式写一下如何在 Ubuntu 14.04上搭建 CaffeCPU模式这个就是不使用 GPU 加速的，暂时我现在也只使用了这个方式，后面等我买的主机到了，再写 GPU 模式的。下载必备依赖sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev pro

准备内容分类C方法分类错误解决问题1问题2在之前的博客里我已经写过 CaffeModel的文件了，这个就是我们训练的网络结果。现在既然已经有了训练好的模型，就要开始通过这个网络进行自己的分类了。准备内容首先找到训练好的 .caffemodel文件。然后准备网络模型的 deploy.prototxt准备训练时候使用的均值文件imagenet_mean.binaryproto新建一个l

在用 Octave画图的时候遇到发现画图报错，可能是由于版本和系统的问题，这里记录下遇到的问题和解决方法：set terminal aqua enhanced title "Figure 1" size 560 420 font "*,6" dashlength 1 ^ line 0: unknown or ambiguous term

solverstate使用caffemodel可视化安装 jupyter notebook运行 jupyter可视化 caffemodel遇到问题jupyter 安装问题caffemodel可视化问题在使用 caffe训练完网络之后，有时候想要可视化展示一下训练的网络结果，而网络结果就是最后生成的：.caffemode 文件。首先解释下 caffe_alexnet_train_iter_

机器学习的学习速度不够快，不过希望能够学的比较踏实。毕竟虽然是IT但是更偏向数学，所以要学的严谨透彻，才能更好的应用到合适的场景里。贝叶斯简介贝叶斯推理提供了推理的一种概率手段。它基于如下的嘉定，既待考察的量遵循某概率分数，且可2根据这些概率及已观察到的数据进行推理，以做出最优的决策。贝叶斯学习对于机器学习相关有以下两个原因： 1. 贝叶斯学习算法能够计算显式的假设概率，如朴素贝叶斯分类器，它是解

配置Hadoop修改主机名修改hosts配置Java环境解压安装修改JAVA环境变量测试安装是否成功配置sshssh测试ssh免密码登录安装Hadoop 260解压移到指定目录配置hadoop验证查看集群状态查看hdfs查看RM运行WordCount程序配置Hadoop环境变量安装Scala下载scala2114版本解压并安装增加环境变量验证copy

基于实例的学习方法中，K-近邻算法算是最基本的了。K-近邻算法嘉定所有实例对应与n维空间中的点，一个实例的最近邻是根据标准欧氏距离定义的。例如把x表示为一个特征向量：< a1(x), a2(x), a3(x), ...an(x) >其中，ar(x)表示实例x的第r个属性值，所以xi和xj的间距定义为d(xi, xj)，其中： 以上就是距离的公式定义。®目标函数值可以是离散的，也可以是实值。 下面

从今天起，开始对机器学习进行博客撰写了。从半年前我已经对机器学习的算法开始学习，现在有了大致的一些了解，希望慢慢深入，写下博客记录我的学习。希望有任何建议，大家多交流。

很早之前学习的决策树写一下，作为学习记录。决策树决策树学习是应用最广的归纳推理算法之一。 用逼近离散值函数的方法，对有噪声的数据处理，健壮性好，并且能够学习析取表达式。决策树的学习算法很多，包括ID3, ASSISTANT, C4.5 这些。 学习到的决策树可以表示为多个if-then的规则。决策树的适应问题实例是由『属性-值』对表示的，例如：( Temperature -> Hot ) 这

上次写完决策树发现好多名词要写解释，就太多了，那么补上概念学习这部分。简介机器学习问题，一般都涉及从特殊训练样例中得到一般的概念。比如人们不断学习的一些一般概念：鸟类、车子、富有等等。这些都是一个集合，不是最大的集合，也不是最小的。所以给一个样例集合以及每个样例是否属于某一概念的标注，如何自动推断这个概念的一般定义，就是属于概念学习( concept learning )。术语

准备数据数据转换生成 meanfile 均值文件配置网络1 修改 solverprototxt2 修改 train_valprototxt训练网络在上一篇博客写了安装 caffe，这里讲一下如何使用 caffe训练自己的数据。1. 准备数据首先要准备自己的数据，就是你的图片，不同类别的图片，这些图片要分成两部分，一部分多，一部分少，比例自己把握，5:1或6:1都可以，多的部分作为训练集，