
机器学习
文章平均质量分 52
leonordo
http://weibo.com/pkubrooks/home
展开
-
Deep Learning 工具 Torch7安装与使用
源代码: https://github.com/torch官方文档: http://torch.ch/Torch7:https://github.com/torch/torch7/wiki/Cheatsheet安装过程:1. node.js install, then gfx install, 要按照顺序https://gist.github.com/dwayne/29原创 2014-08-04 19:56:53 · 28251 阅读 · 1 评论 -
颜色直方图特征代码
颜色直方图比较简单,计算各个原创 2014-08-06 19:56:52 · 3525 阅读 · 0 评论 -
一种快速的无监督的向量化方法做地标识别
这是我之前写的一篇文章。主要是liyo原创 2014-08-06 20:18:08 · 1405 阅读 · 0 评论 -
近似最近邻问题相关算法总结
当数据个数比较大的时候,线性搜索寻找KNN的时间开销太大,而且内存开销也比较原创 2014-09-29 13:14:59 · 15616 阅读 · 0 评论 -
三维人脸重建和表情仿真
最近开始研究三维人脸合成和表情变化,文章列表如下1. Synthesizing realistic facial expressions from photographs: 98年的文章,较为简单,第一步是2d图片映射到3d模型,首先从5个角度拍摄头像,手工标注人脸轮廓的13个特征点的位置,主要是眼角,耳朵,嘴型,鼻子。 然后通过3d摄像机投影得到一些等式,通过13个点来求解等式的原创 2014-07-03 21:00:57 · 16662 阅读 · 12 评论 -
如何用python画好confusion matrix
在做分类的时候,经常需要画混淆矩阵,下面我们使用python的matplotlib包,scikit-learning机器学习库也同样提供了例子:http://scikit-learn.org/stable/auto_examples/plot_confusion_matrix.html, 但是这样的图并不能满足我们的要求,首先是刻度的显示是在方格的中间,这需要隐藏刻度,其次是如何把每个原创 2014-12-20 22:41:04 · 40793 阅读 · 5 评论 -
spark 1.1 mllib中 NaiveBayes 源码阅读
代码:mllib/api/classification/NaiveBayes.scala模型主要是三个变量, labels存储类别,pi存储各个label的prior, theta matrix存储各个词在各个类别中的条件概率。训练部分:代码的run部分首先是检测feature部分的值,必须是非负的。如果是伯努利分布的话,features是0,1的向量;多项式分布,feat原创 2014-12-30 18:20:41 · 2610 阅读 · 2 评论 -
机器学习之抽样检查的重要性
原文: http://machinelearningmastery.com/why-you-should-be-spot-checking-algorithms-on-your-machine-learning-problems/原创 2014-11-11 16:30:23 · 1721 阅读 · 0 评论 -
backpropagation algorithm 理解
看了stanford的deep learning教程关于bp算法的介绍:http://ufldl.stanford.edu/wiki/index.php/Backpropagation_Algorithm原创 2014-11-18 20:16:46 · 2826 阅读 · 0 评论 -
torch7 使用过程中的问题
1. help 函数使用。出现如下问题:[string "local f = function() return help(nn.Tanh) end..."]:1: attempt to call global 'help' (a nil value)解决方案:原创 2014-08-25 21:00:56 · 4715 阅读 · 0 评论 -
Torch7 教程 Supervised Learning CNN
在搭建好Torch7之后,我们开始原创 2014-08-08 15:59:15 · 17875 阅读 · 0 评论 -
caffe python批量抽取图像特征
原始的caffe教程提供单张图片的抽取,这里我们谈下如何用python批量抽取特征。原创 2015-01-19 22:36:37 · 28155 阅读 · 19 评论