<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[havefun00的博客]]></title><description><![CDATA[关注机器学习，深度学习]]></description><link>https://blog.youkuaiyun.com/havefun00</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; havefun00]]></copyright><item><title><![CDATA[机器学习之隐马尔科夫（HMM）模型]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/117447180</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/117447180</guid><author>havefun00</author><pubDate>Wed, 30 Jun 2021 12:08:09 +0800</pubDate><description><![CDATA[马尔科夫模型（hidden Markov model，HMM）是关于时序的概率模型，描述由一个隐藏的马尔科夫随机生成不可观测的状态随机序列，再由各个状态生成一个观测从而产生观测随机序列的过程，属于一个生成模型。本篇文章从隐马尔可夫模型的三个问题出发，从理论推导到编码实践来解读不一样的HMM。]]></description><category></category></item><item><title><![CDATA[机器学习之关联分析与频繁项集（Apriori和FP-Growth算法）]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/85772218</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/85772218</guid><author>havefun00</author><pubDate>Thu, 10 Jan 2019 20:48:35 +0800</pubDate><description><![CDATA[机器学习之关联分析与频繁项集

1、关联分析与频繁项集介绍
2、


]]></description><category></category></item><item><title><![CDATA[Win10+VS2015安装Caffe(含Matlab和Python接口配置)]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/81217286</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/81217286</guid><author>havefun00</author><pubDate>Thu, 26 Jul 2018 16:07:33 +0800</pubDate><description><![CDATA[WIn10下使用VS2015编译Caffe

本教程主要是在Win10下使用VS2015编译Caffe并配置Matlab2016b和Python3.5接口（注意：Pyhton版本只能是3.5或者2.7），最近看了很多Windows下编译Caffe的教程，大部分用的都是旧版本的包（好像官方GitHub上已经下载不到了），也遇到了许多坑，因此在这里做一些总结，希望能帮助到大家。


1、安装Cmake...]]></description><category></category></item><item><title><![CDATA[机器学习之K-Means聚类算法]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/81053231</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/81053231</guid><author>havefun00</author><pubDate>Sun, 15 Jul 2018 17:02:41 +0800</pubDate><description><![CDATA[机器学习之K-Means聚类模型


1、K-Means介绍
2、K-Means数学原理
3、算法及Python实现
4、小结

1、K-Means介绍

聚类是一种无监督学习，它将相似的对象归到同一个簇中。K-均值聚类算法可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。下图为一个k=4的K-Means算法聚类的结果。 
 


2、K-Means数学原理

寻找最近重心 
对每...]]></description><category></category></item><item><title><![CDATA[机器学习之树回归（CART算法）]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/80744741</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/80744741</guid><author>havefun00</author><pubDate>Wed, 20 Jun 2018 17:10:40 +0800</pubDate><description><![CDATA[机器学习之树回归


1、分类树回归模型介绍
2、模型数学原理
3、算法及python实现
4、小结




1、分类回归树模型介绍

前面介绍了使用ID3算法进行决策树分类的模型，ID3算法的做法是每次选取当前最佳的特征来分割数据，并按照该特征的所有可能取值来切分，一旦按某种特征切分之后，该特征在之后的算法执行过程中将不再起作用，所以可以感觉到这种切分方法过于迅速，此外，ID3算法还存在一个问题...]]></description><category></category></item><item><title><![CDATA[机器学习之EM算法]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/80258636</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/80258636</guid><author>havefun00</author><pubDate>Wed, 09 May 2018 22:24:02 +0800</pubDate><description><![CDATA[机器学习之EM算法


1、EM算法介绍
2、EM算法数学原理
3、算法及Python实现
4、小结




1、EM算法介绍

EM算法引入： 
首先使用经典的三硬币模型引入EM算法。 
三硬币模型 
        有A，B，C三枚硬币，单次投掷出现正面的概率分别为π、p、q。利用这三枚硬币进行如下实验： 
        1、先投掷A，若出现正面则投掷B，否则投掷C 
        2、记...]]></description><category></category></item><item><title><![CDATA[机器学习之提升方法AdaBoost算法]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/79851411</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/79851411</guid><author>havefun00</author><pubDate>Sun, 08 Apr 2018 15:57:20 +0800</pubDate><description><![CDATA[提升方法之AdaBoost算法


1、提升方法介绍
2、AdaBoost算法及数学原理
3、Python代码实现
4、小结




1、提升方法介绍

对于分类问题而言，给定一个训练样本集，求比较粗糙的分类规则（弱分类器）要比求精确的分类规则（强分类器）容易得多，提升方法就是从弱学习算法出发，反复学习，得到一系列弱分类器（又称为基本分类器），然后组合这些弱分类器，构成一个强分类器，大多数的提升方...]]></description><category></category></item><item><title><![CDATA[机器学习之支持向量机（Support Vector Machines）模型]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/79631294</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/79631294</guid><author>havefun00</author><pubDate>Wed, 21 Mar 2018 18:05:29 +0800</pubDate><description><![CDATA[机器学习之支持向量机模型


1、支持向量机模型介绍
2、支持向量机数学原理
3、算法及Python
4、小结






1、支持向量机模型介绍

支持向量机（SVM）是一种二类分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；支持向量机还包括核技巧，这使它成为实质上的非线性分类器。支持向量机的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，支...]]></description><category></category></item><item><title><![CDATA[机器学习之逻辑斯提回归（Logistic Regression）模型]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/79586211</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/79586211</guid><author>havefun00</author><pubDate>Fri, 16 Mar 2018 21:27:42 +0800</pubDate><description><![CDATA[机器学习之逻辑回归模型


1、逻辑回归模型介绍
2、逻辑回归数学原理
3、算法及Python实现
4、小结






1、逻辑回归模型介绍

这里主要介绍二项逻辑回归模型，逻辑回归是一种分类模型，由条件概率分布P(Y|X)表示，形式为参数化的逻辑斯提分布。这里，随机变量X取值为实数，随机变量Y取值为1或0，通过监督学习的方法来估计模型参数。



2、逻辑回归数学原理

Logistic回归虽...]]></description><category></category></item><item><title><![CDATA[机器学习之朴素贝叶斯（naive Bayes）模型]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/79510823</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/79510823</guid><author>havefun00</author><pubDate>Mon, 12 Mar 2018 11:04:25 +0800</pubDate><description><![CDATA[机器学习之朴素贝叶斯模型


1、朴素贝叶斯模型介绍
2、朴素贝叶斯数学原理
3、算法及Python实现
4、小结




1、朴素贝叶斯模型介绍

朴素贝叶斯（naive Bayes）法是基于贝叶斯定理与特征条件独立假设的分类方法，对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。



2、朴素贝...]]></description><category></category></item><item><title><![CDATA[机器学习之决策树（Decision Tree）模型]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/79480947</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/79480947</guid><author>havefun00</author><pubDate>Thu, 08 Mar 2018 14:55:41 +0800</pubDate><description><![CDATA[机器学习之决策树


1、决策树模型介绍
2、决策树数学原理
3、算法及Python实现
4、小结




1、决策树模型介绍

定义：（决策树） 分类决策树模型是一种描述对实例进行分类的树形结构，决策树由结点（node）和有向边（directed edge）组成。结点有两种类型：内部结点（internal node）和叶结点（leaf node）。内部结点表示一个特征或属性，叶结点表示一个类。用...]]></description><category></category></item><item><title><![CDATA[机器学习之K近邻（KNN）模型]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/79474128</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/79474128</guid><author>havefun00</author><pubDate>Wed, 07 Mar 2018 19:58:21 +0800</pubDate><description><![CDATA[机器学习之KNN

本文主要介绍K近邻（KNN）模型，KNN在机器学习中是很常见的：


1、KNN模型介绍
2、KNN数学原理
3、算法及Python实现
4、小结




1、KNN模型介绍

k近邻法（k-nearest neighbor, k-NN）是一种基于分类与回归方法，这里只讨论分类问题中的k近邻法。k近邻假定给定一个训练数据集，其中实例类别已定，分类时，对新的实例，根据其k个最近邻...]]></description><category></category></item><item><title><![CDATA[机器学习之感知机（Perceptron）模型]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/79031522</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/79031522</guid><author>havefun00</author><pubDate>Thu, 11 Jan 2018 10:47:25 +0800</pubDate><description><![CDATA[机器学习之Perceptron模型

本文主要介绍机器学习领域最为基础的模型，感知机模型：


1、感知机模型介绍
2、感知机数学原理
3、算法及Python代码实现
4、小结




1、感知机模型介绍


  定义（感知机）   假设输入空间（特征空间）是，输出空间是Y={+1，-1}，输入表示实例的特征向量，对应于输入空间（特征空间）的点；输出表示实例的类别。由输入空间到输出空间的如下函数 ...]]></description><category></category></item><item><title><![CDATA[Docker下安装Hadoop和Spark集群]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/78933723</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/78933723</guid><author>havefun00</author><pubDate>Fri, 29 Dec 2017 17:36:58 +0800</pubDate><description><![CDATA[Docker下Spark分布式集群搭建本教程使用docker模拟3台主机搭建分布式Spark集群，属于伪分布式：
1、Docker安装
2、下载已经配置好的Spark集群镜像文件
3、新建3个容器，分别命名为cloud8，cloud9，cloud10
4、启动集群
5、通过web端查看
6、测试案例
1、Docker安装Docker可以在Window下和Linux下安装，本教程基于Ubuntu16.]]></description><category></category></item><item><title><![CDATA[Linux系统安装教程之一：VM14虚拟机+Ubuntu16安装]]></title><link>https://blog.youkuaiyun.com/havefun00/article/details/78318374</link><guid>https://blog.youkuaiyun.com/havefun00/article/details/78318374</guid><author>havefun00</author><pubDate>Mon, 23 Oct 2017 14:18:59 +0800</pubDate><description><![CDATA[本次教程主要是在Win10系统下安装VM14虚拟机，以及在虚拟机上安装Ubuntu16.04系统。
下面开始介绍安装步骤：
1、首先安装VM14虚拟机软件，具体过程这里不再介绍
VM14下载地址：链接: https://pan.baidu.com/s/1bpGr9Ob 密码: hvcx
2、安装VM14后，打开软件
点击创建虚拟机，开始安装Ubuntu16.4系统]]></description><category></category></item></channel></rss>