- 博客(14)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 tensorflow安装
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md 网上流传的由极客学院提供的教程由于google源的问题，会出现connectionerror的问题，建议根据上面提供的github安装教程来进行 linux自带python，这里以python2.7为例，首先安
2016-10-10 11:28:40
782
原创 脸部识别SeetaFace介绍
https://github.com/seetaface/SeetaFaceEngine 一、概述 SeetaFace Engine是一款无需任何第三方库就能在CPU上运行的开源C++脸部识别引擎，一共分为三个关键的部分：SeetaFace Detection（脸部检测），SeetaFace Alignment（脸部校准）和SeetaFace Identification（脸部识别），这三个部分
2016-09-16 16:19:32
10357
原创 Caffe入门学习
Caffe是一个清晰而高效的深度学习框架，特别是在处理图像方面有着强悍的能力，也方便上手，最近学习了Caffe，用一些图集做了分类练习。 详细的入门学习强烈推荐这个系列：http://www.cnblogs.com/denny402/tag/caffe/default.html?page=2 这个作者把基础的东西很详细的都介绍了一遍，在这里我只做一些简要的总结： 训练一个基于CNN的图形分类器的
2016-09-03 22:12:16
2610
原创 机器学习实战python实例（2）SVM与核函数
前两篇博客涉及到的SVM还只是一个线性分类器，如果在二维情况下遇到如下的情况，线性分类器的效果就不会很好了 这个时候我们就需要一个叫做核函数的东西，简单来说它的最大作用就是把低维数据映射到高维数据，具体可以看前面推荐的一篇文章http://www.thebigdata.cn/JieJueFangAn/12661.html中核函数的部分，这里借用两张图来演示效果 这样我们就能分割开了，一个比较
2016-09-02 14:12:13
8261
1
原创 机器学习实战python实例（2）SVM优化
简易版的SVM中，SMO算法中α的选择采取遍历且随机的方式，见http://blog.youkuaiyun.com/xiaonannanxn/article/details/52372085 优化版中，我们采取启发式方式选择，即αj选择max|Ei-Ej|，这样就可以让每次更新的步长更大，减少我们的迭代次数，更新上次的SVM.py# coding:utf-8from numpy import *impor
2016-09-01 23:13:19
2286
3
原创 机器学习实战python实例（2）SVM
以下代码涉及到的公式推导参照于以下两篇文章，数学推导的部分写的非常好！（如果不了解数学推导过程，代码中的一些部分很可能看不懂） http://www.thebigdata.cn/JieJueFangAn/12661.html http://www.wengweitao.com/zhi-chi-xiang-liang-ji-smoxu-lie-zui-xiao-zui-you-hua-suan-f
2016-08-30 18:56:33
2582
1
原创 对svm的理解
在搜索了很多资料后终于搞明白了SVM，对几个关键的部分做一些记录。 SVM的全称Support Vector Machine，中文名支持向量机，是一种分类算法，常见于二分类问题，和常见的二分类算法不同，该算法是在两类（或多类，以下简写为两类）标记之间找到离两类标记最远的一个超平面来分割数据，比如二维点就是找一条线来分割，三维点就是找一个平面来分割，n维数据找一个n-1维超平面来分割。 如何找这个
2016-08-29 13:33:59
1197
原创 机器学习实战python实例（1）KNN
最近整理了部分代码，每隔几天记录一下自己的成果，部分基于《机器学习实战Machine Learning in Action》这本书，我的想法是给那些对算法有大体理解的人一个更直观的认识，所以以下不会涉及到算法推导，只会有一个大概的解释。第一个实例是KNN算法，KNN算法是利用空间中样本间的距离来度量一个新样本属于哪一类，n个属性对应的便是n维空间中的点。 用的数据是一个约会网站中某个人对不同人的喜
2016-08-27 16:53:38
1414
原创 在AWS上搭建tomcat服务器
最近项目需要在云上搭建了一个tomcat服务器，选择的是亚马逊的1年免费试用。 总结一下以后需要注意的地方： 1.注意安全组配置一定要符合当前的ip，测试的时候可以设置成允许所有流量，出站默认就是允许所有流量的，所以不用设置。 2.一定要让防火墙允许tomcat，注意这个和aws的安全组策略是相互独立的，没有允许防火墙也可能导致访问失败。 3.如果对linux没什么经验，可以先选一个wind
2016-08-27 16:36:12
4262
原创 python包sk-learn中的随机森林
最近在学习机器学习，学习到了随机森林算法，想做一个demo，阅读了python的sk-learn包中随机森林的代码实现，做了一些笔记。 sk-learn中的随机森林是基于RandomForestClassifier类实现的，它的原型是 class RandomForestClassifier(ForestClassifier) 继承了一个抽象类ForestClassifier，也就是分类树
2016-05-11 16:00:00
11876
1
转载 理解矩阵
最近在重新学习线性代数，以下是写的非常好的《理解矩阵》，过几天增加自己的理解 理解矩阵（一） http://blog.youkuaiyun.com/myan/article/details/647511 理解矩阵（二） http://blog.youkuaiyun.com/myan/article/details/649018 理解矩阵（三） http://blog.youkuaiyun.com/myan/article/
2016-05-01 00:01:52
424
原创 KMP算法
我们知道，在字符串匹配中，最常用的采用暴力遍历，假设主串为‘s1s2···sn’，模式串为‘p1p2···pm’,我们常从主串的第一个字符开始，匹配模式串的p1、p2直到pm，若中间某个字符匹配失败，我们重新从s2开始匹配模式串，这种算法的时间复杂度达到O（n*m），代码如下for(int i=1;i<=(n-m);i++){ flag=1; for(int j=1;j<=m
2015-12-03 12:00:54
503
原创 二分图匹配
二分图匹配 简单来说，如果图中点可以被分为两组，并且使得所有边都跨越组的边界，则这就是一个二分图。准确地说：把一个图的顶点划分为两个不相交集 U 和V ，使得每一条边都分别连接U、V中的顶点。如果存在这样的划分，则此图为一个二分图。
2015-11-28 11:52:13
447
原创 母函数小记
母函数小记 定义： 对于任意数列a0,a1,a2…an 即用如下方法与一个函数联系起来： G(x) = a0+a1x+a2x*2+a3x^3+….+anx^n 则称G(x)是数列的生成函数(generating function)
2015-11-28 11:08:43
740
Caffe deploy.prototxt train_val.prototxt solver.prototxt
2016-09-03
机器学习实战python实例（2）SVM与核函数 训练数据
2016-09-02
机器学习实战python实例（2）SVM 训练数据
2016-09-01
机器学习实战python实例（1）KNN数据
2016-08-27
机器学习python实战knn算法数据
2016-08-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人