大枫叶_HIT

斯坦福大学机器学习课程原始讲义     本资源为斯坦福大学机器学习课程原始讲义，为Andrew Ng 所讲，共计20个PDF，基本涵盖了机器学习中一些重要的模型、算法、概念，此次一并压缩上传分享给大家，朋友们可以直接点击右边下载：斯坦福大学机器学习课程原始讲义.zip。斯坦福大学机器学习公开课视频      与之配套的则是斯坦福大学的机器学习公开课的视频

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种。深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出

问答http://www.quora.com/What-is-data-science  数据科学是什么？http://www.quora.com/How-do-I-become-a-data-scientist  我怎样才能成为一个数据科学家？http://www.quora.com/Data-Science/How-does-data-science-dif

最近用LibSVM做分类实验，发现网上的资料大都是关于SVM基本原理和怎么用终端命令行使用svm-train,svm-predict等几个程序，这些其实在README文件中已经讲得很清楚了，Readme里面几乎包含了所有可以帮助你灵活使用LibSVM的信息，可以很多人都不怎么看。这里给出用JAVA调用LibSVM API最简单的示例，用JAVA进行SVM分类只需要几行程序就搞定了，前提是你已经准备

（写在前面）昨天说写个机器学习书单，那今天就写一个吧。这个书单主要是入门用的，很基础，适合大二、大三的孩子们看看；当然你要是大四或者大四以上没看过机器学习也适用。无论是研究智能还是做其他事情，机器学习都是必须的。你看GFW都用机器学习了，咱是不是也得科普一下。 （全文结构）其实，我想了想，学一门学科，列出一堆书，评论来评论去的，其实对初学者用处不大；他都不知道这些是啥，你就开始一顿评论，只能空

自从接触SVM就对其非常感兴趣，捣鼓了俩月也算略有小成，但是感觉对突破点还是比较困惑，回头再来看下其热点和发展，感觉思路清晰许多。支持向量机的发展   自从90年代初经典SVM的提出，由于其完整的理论框架和在实际应用中取得的很多好的效果，在机器学习领域受到了广泛的重视。其理论和应用在横向和纵向上都有了发展。理论上：1．模糊支持向量机，引入样本对类别的隶属度函数，这样每个样本对于类别

信号处理和模式识别方面的 matlab toolbox如果你做wavelet，ica，pca，svm，kernel等方法，希望下面的工具对你有帮助。Signal Processing (Top)Filter Design with Motorola DSP56Khttp://www.ee.ryerson.ca:8080/~mzeytin/dfp/index.html

几天前，我在微博上面问了一个问题“一个两类分类问题，5400个训练样本，600个测试样本（测试、训练样本不交叠），特征10000维，用RBF核的SVM训练，得到的模型在测试集上测试误差为50%（和随机猜想一样）。而如果改用线性核，则准确率可以达到80%。这正常吗？”包括余凯、老师木、山世光在内的很多大牛都热情回答，在此一并感谢，就不一一点名啦。大家的讨论，从

最近deep learning大火，不仅仅受到学术界的关注，更在工业界受到大家的追捧。在很多重要的评测中，DL都取得了state of the art的效果。尤其是在语音识别方面，DL使得错误率下降了大约30%，取得了显著的进步，现在如果哪个做语音识别的公司没用DL，都不好意思打招呼了，相信后续这种状况还会延伸到图像和自然语言处理等其它领域。       deep learning本身算是