XiaoPANGXia的专栏

课程主页，亲测能上，有好些材料http://cs229.stanford.edu/Andrew讲的比较早的机器学习应用，1958年有人用来训练一个会下国象的电脑，这个有机会可以试一下，训练一个会下中国象棋的。介绍了有监督的学习（supervised）和无监督的学习型算法（unsupervised）有监督是有标准答案集来反馈的训练，无监督的就是没有标准答案的通过算法从

GMM即高斯混合模型，是将数据集看成是由多个高斯分布线性组合而成，即数据满足多个高斯分布。EM算法用来以迭代的方式寻找GMM中个高斯分布的参数以及权值。GMM可以用来做k分类，而混合的高斯分布个数也就是分类数K。当数据Y都是一维的时候，我们假设由两个高斯分布组成就有概率密度函数PI和1-PI作为各自分布的权值这样EM的实现步骤矩很简单了

sklearn自带一些数据集，其中手写数字数据集可通过load_digits加载，我找到load_digits里头是这样def load_linnerud(): """Load and return the linnerud dataset (multivariate regression). Samples total: 20 Dimensionality: 3 f

Neuroph是一个开源的java神经网络框架，Neuroph是自带一个图形化的神经网络工具的，叫Neuroph Studio在自己的java代码中引入neuroph也很方便，添加从官网下的一堆jar包就行。所谓感知机（perceptron），应该算是最简单的神经网络吧用Neuroph提供的perceptron类实现一个简单的感知机，学习简单的逻辑运算（AND、OR和XOR）i

之前的实验中只有输入输出两层的简单感知机，可以通过对几条逻辑运算的输入输出情况进行训练，就能完成AND和OR的学习，但是无法对XOR运算在有限次迭代内完成训练。需要我们采用多层的网络结构，其实三层就够了，在原来的基础上，增加一个隐层。依旧用在java代码中运用Neuroph框架实现一下。import org.neuroph.core.NeuralNetwork;import org.neur

读西瓜书半监督学习那章，聊做笔记。