- 博客(37)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 30、潜在狄利克雷分配
本文介绍了潜在狄利克雷分配（LDA），首先介绍了狄利克雷分布和共轭先验的定义，然后介绍了潜在狄利克雷分配模型，最后介绍了LDA的吉布斯抽样算法和LDA 的变分 EM 算法。
2023-11-27 12:30:29
1237
原创 29、马尔可夫链蒙特卡罗法
本文介绍了马尔可夫链蒙特卡罗法，首先介绍了蒙特卡罗法、马尔可夫链的概念，然后进行介绍马尔可夫链蒙特卡罗法，最后介绍了两种常用的马尔可夫链蒙特卡罗法（Metropolis-Hastings算法、吉布斯抽样）
2023-11-27 12:30:10
2169
原创 28、概率潜在语义分析
本文介绍了概率潜在语义分析，详细介绍了概率潜在语义分析模型（生成模型、共现模型、模型性质），最后介绍了概率潜在语义分析算法
2023-11-27 12:29:22
1140
原创 27、潜在语义分析（LSA）
本文介绍了潜在语义分析（LSA），详细介绍了单词向量空间和话题向量空间，潜在语义分析算法，以及非负矩阵分解算法，最后介绍了sklearn中的潜在语义分析的使用。
2023-11-27 12:29:03
2087
原创 23、隐马尔可夫模型(HMM)上
本文介绍了隐马尔可夫模型的基本概念，详细介绍了模型的定义、基本假设、观测序列的生成过程、三个基本问题，并进行详细介绍了概率计算（包括前向计算、后向计算、以及利用前后向算法计算某些概率与期望值）
2023-11-27 12:17:56
950
原创 22、EM算法及其推广
本文介绍了EM算法及其推广，首先介绍了Jensen不等式，然后对EM算法进行详解，最后证明了EM算法的收敛性，并介绍了EM 算法在高斯混合模型学习中的应用和EM 算法的推广。
2023-11-27 12:16:03
952
原创 20、聚类算法——层次聚类
本文介绍了聚类算法中的层次聚类算法，首先介绍了层次聚类的流程，然后以一个案例详细介绍层次聚类，然后介绍了sklearn中的层次聚类用法，最后介绍了几种优化算法。
2023-11-26 13:28:50
3278
1
原创 18、聚类算法——K-means家族
本文介绍了聚类算法中的K-means家族，首先讲解了K-means算法流程，然后从直观理解到案例进行深入说明，并介绍了其在文本聚类中的应用，最后介绍了一些K-means衍生算法。
2023-11-24 14:18:14
1073
原创 15、集成学习——GBDT算法
本文介绍了GBDT算法的构成，然后分别详细介绍了回归树生成算法、梯度提升树、GBDT算法原理，最后以实例详解深入介绍GBDT算法。
2023-11-23 19:46:36
374
原创 14、集成学习——Adaboost算法
本文介绍了Adaboost算法，包括了分类算法流程、回归算法流程、sklearn中的Adaboost函数等
2023-11-23 19:38:05
988
原创 11、K近邻算法（KNN）
本文首先介绍了KNN算法的直观理解、算法三大要素、优缺点，并说明了如何实现KNN算法，最后讲解了sklearn中的KNN使用。
2023-11-23 19:00:44
1035
原创 10、决策树算法
本文介绍了决策树算法，介绍了特征选择的指标（信息增益、信息增益比），决策树的生成（ID3算法、C4.5算法）以及决策树的剪枝过程，并介绍了CART算法，最后介绍了sklearn中的决策树用法。
2023-11-23 17:47:49
853
原创 9、朴素贝叶斯算法
本文介绍了朴素贝叶斯算法，首先讲解了贝叶斯公式，然后分别给出了朴素贝叶斯算法的定义和推导、极大似然估计、贝叶斯估计等，最后给出了四种sklearn中的朴素贝叶斯
2023-11-23 17:35:35
1120
原创 8、SVM实战——HOG+SVM行人检测
本文介绍了SVM经典实战——HOG+SVM行人检测项目，从视觉四大任务、HOG算法、HOG+SVM实现流程和图像画框四部分进行介绍。
2023-11-23 17:23:35
881
原创 5、支持向量机（SVM）上
本文介绍了SVM概述、SVM相关数学知识（梯度下降法、拉格朗日乘子法、对偶问题、KKT问题）、硬间隔SVM原理和求解、软间隔SVM原理和求解
2023-11-23 15:39:27
1052
原创 4、逻辑回归(LR)
本文逻辑回归，整理总结了逻辑回归原理、损失函数（损失函数推导、二分类交叉熵推导、sklearn中逻辑回归）、多分类的算法原理、优缺点等
2023-11-23 14:42:37
501
原创 1、机器学习基础
本文总结归纳了机器学习基础，包括相关数学知识、数据预处理（数据查看、重复值观测、去除唯一性、缺失值处理、分类特征编码处理、连续特征编码处理、预测值对数处理、类别不平衡、数据降维、特征扩展）、过拟合欠拟合、模型选择方法、模型评估指标等内容
2023-11-22 16:54:40
597
原创 4、卷积神经网络（CNN）
主要针对DNN存在的参数数量膨胀问题，对于CNN，并不是所有的上下层神经元都能直接相连，而是通过“卷积核”作为中介（部分连接）。同一个卷积核在多有图像内是共享的，图像通过卷积操作仍能保留原先的位置关系。CNN之所以适合图像识别，正是因为CNN模型限制参数个数并挖掘局部结构的这个特点等。
2023-05-22 16:59:49
881
1
原创 3、深度神经网络（DNN）
深度神经网络是基于上述MLP感知机的扩展，DNN可以理解为的神经网络。MLP可以视为DNN的前身，大致可以分为三层：输入层，隐藏层，输出层，MLP通常很浅，隐藏层就一二层。DNN一般隐藏层大于二，而且的种类更多。
2023-05-22 16:44:42
13446
原创 2、多层感知机（MLP）
符号定义x：表示一个nx维数据，为输入输入，维度为nx1;y：为输出结果，取值为（0，1）；ximyi：表示第i组数据，可能是训练数据，也可能是测试数据，此处默认为训练数据；Xx1x2...xm：表示所有的训练数据集的输入值，放在一个nx×m的矩阵中，其中m表示样本数据；Yy1y2...ym：对应表示所有训练数据集的输出值，维度为1×m；Mtrain为训练样本个数，Mtest为训练样本个数，x。
2023-05-22 16:37:36
6593
空空如也
基于遗传算法的船闸调度问题
2022-02-27
TA创建的收藏夹 TA关注的收藏夹
TA关注的人