funny75的专栏

1.引言 libsvm中svmpredict函数指定-b参数后，可输出概率值，但是具体原理没有搞清楚，百度搜索，也没看到这方面的介绍，于是翻阅文章，才明白其原理。2.SVM概率输出 标准的SVM的无阈值输出为 （1） 其中 （2）Platt利用sigmoid-fitting方法，将标准SVM的

用BP神经网络做数据拟合，逐步调优，得到期望输出，并分析如何过渡到深度学习

用R语言实现的神经网络做排序，调用了R语言中的caret、neuralnet包，基本原理不复杂，原文给出的关键代码library(neuralnet)# Helper method to generate a training set containing size random numbers (a, b, c) and sorted (x, y, z).generateSet <- funct

对照论文中的示例图和文章给出的代码来梳理 从图中看到，整个网络有三个关键步骤，Patch-mean removal 、 PCA filter convolution与Binary quantization &mapping ，分别是局部均值化、PCA卷积、二值化与直方图映射im2col_mean_removal.m 输入 图片矩阵 InImg(m*n) 采样矩阵大小 patchsize

安装环境 Win7 64位 GeForce GT 630** Python python-2.7.9.msi （32位）,安装好后添加python和pip的环境变量 numpy 安装好python后直接 pip install numpy scipy pip install numpy matplotlib pip install matplotlib** VS2012安装

论文：Binarized Neural Networks: Training Deep Neural Networks with Weights and Activations Constrained to +1 or -1 http://arxiv.org/abs/1602.02830 代码：https://github.com/MatthieuCourbariaux/BinaryNet

发现一个新的Machine Learning开源框架 http://haifengl.github.io/smile/ 提供java/scala两种语言等等API，集成了常见的SVM、Decision Trees等机器学习算法，还配有大量的统计相关的API

关注Deep Learning在医疗数据中的应用，指出了Deep Learning在医疗数据应用中遇到的问题，即不能像处理图片数据那样，输入大量训练数据，而是相对数据量的缺乏；注意到人类的学习过程，当教小孩读和写的时候，它是一个学生和老师交互反馈的过程，受此启发，可设计一个激活学习系统，让用户反馈起一定作用。原文及链接： https://re-work.co/blog/deep-learning-