- 博客(11)
- 收藏
- 关注
RSS订阅原创 数据集介绍：CMU Graphics Lab Motion Capture Database
目录数据集介绍高频问题格式介绍：asf/amcAcclaim asf/amc解析ASF文件数据集介绍Carnegie Mellon University Motion Capture Database针对所有人来源，可以应用于商业产品中，但不能只是转换形式后直接售卖。它包含了丰富的动作捕捉数据，有多种格式可供下载，注意事项如下：本数据集中同一个人可能会出现在多个项目中，但每个项目都有其自己的校准骨架。在选择动作使用时，请优先选择编号较大的项目。因为部分小编号项目包含了早期进行的一些动作捕捉，存在着
2021-04-15 19:26:05
2300
5
原创 第一章 统计学习方法概论（三）
目录1.4 模型评估与模型选择1 训练误差与测试误差2 过拟合与模型选择1.5 正则化与交叉验证1 正则化2 交叉验证1.6 泛化能力1 泛化误差2 泛化误差上界1.7 生成模型与判别模型1.4 模型评估与模型选择1 训练误差与测试误差统计学习的目的是使学习到的模型不仅对已知数据而且对未知数据都能有很好的预测能力。不同的学习方法会给出不同的模型。当损失函数给定时，基于损失函数的模型的训练误差和模型的测试误差就自然称为学习方法评估的标准。注意，统计学习方法具体采用的损失函数未必是评估时使用的损失函数。当
2021-04-05 09:45:40
384
原创 第一章 统计学习方法概论（一）
第一章 统计学习方法概论 本章内容更多是概括性的，主要介绍了统计学习的定义、研究对象与基本的研究方法；此外重点介绍了监督学习，这是本书介绍的主要统计学习方法；随后提出了统计学习方法的三要素：模型、策略和算法；还有模型选择，包括正则化、交叉验证与模型泛化能力等；最后是生成模型与判别模型以及监督学习方法的应用：分类问题、标注问题与回归问题。1.1 统计学习1 统计学习的特点 &
2021-04-04 15:15:21
140
原创 信息度量（二）：信息熵与平均互信息
目录信息熵信息熵条件熵联合熵在第一部分中，我们对随机事件的信息量度有了一定的了解，本文将会以此为基础说明随机变量的平均信息量，即熵。信息熵信息熵离散随机变量XXX的熵为自信息的平均值，记为H(X)H(X)H(X)：H(X)=Ep(x)[I(x)]=Ep(x)[−logp(x)]=−∑xp(x)logp(x)H(X)=\underset{p(x)}{E}\left[I(x)\right]=\underset{p(x)}{E}\left[-\log{p(x)}\right]=-\sum\limits
2021-02-07 13:37:15
5352
1
原创 信息度量（一）：自信息、互信息与信息散度
目录1 自信息1.1 自信息1.2 条件自信息1.3 联合自信息2 互信息2.1互信息2.2 条件互信息3 信息散度1 自信息自信息是用来衡量单一事件发生时所包含的信息量，这里主要介绍自信息、条件自信息与联合自信息。1.1 自信息事件集合X中的事件x=aix=a_ix=ai的自信息定义为I(x)=−logp(x)I(x)=-\log{p(x)}I(x)=−logp(x)上式中，对p(x)p(x)p(x)有，∑xp(x)=1\sum\limits_{x}{p(x)=1}x∑p(x)=1，0≤p(
2021-02-06 15:14:23
2026
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人