yaoweijiao的博客

回归与梯度下降：   回归在数学上来说是给定一个点集，能够用一条曲线去拟合之，如果这个曲线是一条直线，那就被称为线性回归，如果曲线是一条二次曲线，就被称为二次回归，回归还有很多的变种，如locally weighted回归，logistic回归，等等，这个将在后面去讲。   用一个很简单的例子来说明回归，这个例子来自很多的地方，也在很多的open source的软件中看到，比如说w

转自http://blog.youkuaiyun.com/junshen1314/article/details/48860951首先引述来自维基百科的定义：假设我们有一个3D空间中的点，他被位于不同位置的多个摄像机看到，那么所谓的光束法平差（Bundle Adjustment），就是能够从这些多视角信息中提取出3D点的坐标以及各个摄像机的相对位置和光学信息的过程。 可能这么说有点不够具体，我们用

斯坦福大学自然语言处理第四课“语言模型（Language Modeling）”一、课程介绍斯坦福大学于2012年3月在Coursera启动了在线自然语言处理课程，由NLP领域大牛Dan Jurafsky 和 Chirs Manning教授授课：https://class.coursera.org/nlp/以下是本课程的学习笔记，以课程PPT/PDF为主，其他参考

一、准确率、召回率、F1一句话解释：一般来说，Precision 就是检索出来的条目中（比如：文档、网页等）有多少是准确的，Recall就是所有准确的条目有多少被检索出来了。1、实际上非常简单，精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)，也就是

我看过的讲的最好的，理解cnn的文章。请看以下原文 http://www.cnblogs.com/sddai/p/6124192.html#3575687#undefined