<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[咸yu奶糖的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/yufei0413</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; yufei0413]]></copyright><item><title><![CDATA[激活函数篇]]></title><link>https://blog.youkuaiyun.com/yufei0413/article/details/108960610</link><guid>https://blog.youkuaiyun.com/yufei0413/article/details/108960610</guid><author>yufei0413</author><pubDate>Mon, 21 Dec 2020 10:59:54 +0800</pubDate><description><![CDATA[文章目录Sigmoid函数Tanh函数ReLU函数Leaky ReLu函数
Sigmoid函数
Sigmoid函数也叫Logistic函数，可将输入为为实数的样本映射到（0，1）区间之内：
g(z)=11+e−zg(z)=\frac{1}{1+e^{-z}}g(z)=1+e−z1​

Tanh函数
ReLU函数
Leaky ReLu函数

...]]></description><category></category></item><item><title><![CDATA[统计学习方法（四）--决策树（decision tree）]]></title><link>https://blog.youkuaiyun.com/yufei0413/article/details/105612934</link><guid>https://blog.youkuaiyun.com/yufei0413/article/details/105612934</guid><author>yufei0413</author><pubDate>Mon, 23 Nov 2020 10:40:05 +0800</pubDate><description><![CDATA[文章目录决策树决策树模型与学习特征选择决策树的生成决策树的剪枝
决策树
决策树是一种基本的分类与回归方法，其主要优点是模型具有可读性，分类速度快，利用训练数据，根据损失函数最小化的原则建立决策树模型。
决策树学习包括三个步骤：特征选择、决策树的生成和决策树的剪枝。
决策树模型与学习
特征选择
决策树的生成
决策树的剪枝

...]]></description><category></category></item><item><title><![CDATA[CAT12（spm12）MRI图像预处理]]></title><link>https://blog.youkuaiyun.com/yufei0413/article/details/105220142</link><guid>https://blog.youkuaiyun.com/yufei0413/article/details/105220142</guid><author>yufei0413</author><pubDate>Wed, 20 May 2020 18:20:20 +0800</pubDate><description><![CDATA[这篇博客只写用cat12将MRI脑图像分割为白质，灰质和脑脊液的操作步骤。

]]></description><category></category></item><item><title><![CDATA[统计学习方法（三）--逻辑回归（Logistic Regression）理解]]></title><link>https://blog.youkuaiyun.com/yufei0413/article/details/105629158</link><guid>https://blog.youkuaiyun.com/yufei0413/article/details/105629158</guid><author>yufei0413</author><pubDate>Mon, 20 Apr 2020 15:39:10 +0800</pubDate><description><![CDATA[文章目录逻辑回归逻辑斯蒂分布二项逻辑回归模型模型参数估计多项逻辑斯蒂分布
逻辑回归
逻辑回归是一种经典的分类方法，属于判别模型。
逻辑斯蒂分布
设XXX是连续随机变量，XXX服从逻辑斯蒂分布是指XXX具有以下分布函数：
F(x)=P(X≤x)=11+e−x
F(x)=P(X\leq x)=\frac{1}{1+e^{-x}}
F(x)=P(X≤x)=1+e−x1​
分布函数F(x)F(x)F(x)...]]></description><category></category></item><item><title><![CDATA[统计学习方法（二）--朴素贝叶斯法（Naive Bayes）理解]]></title><link>https://blog.youkuaiyun.com/yufei0413/article/details/105351584</link><guid>https://blog.youkuaiyun.com/yufei0413/article/details/105351584</guid><author>yufei0413</author><pubDate>Sun, 19 Apr 2020 11:57:19 +0800</pubDate><description><![CDATA[文章目录朴素贝叶斯概述学习与分类参数估计
朴素贝叶斯概述
学习与分类
参数估计

]]></description><category></category></item><item><title><![CDATA[统计学习方法（一）--感知机（Perceptron）理解]]></title><link>https://blog.youkuaiyun.com/yufei0413/article/details/105203292</link><guid>https://blog.youkuaiyun.com/yufei0413/article/details/105203292</guid><author>yufei0413</author><pubDate>Mon, 06 Apr 2020 16:41:39 +0800</pubDate><description><![CDATA[感知机
感知机（perceptron）是二类分类的线性分类模型。
感知机对应于输入空间中将实例划分为正负两类的分离超平面，属于判别模型。
模型
感知机模型表示为由输入空间χ⊆Rn\chi \subseteq \R^nχ⊆Rn到输出空间y∈{−1,+1}y\in\{-1, +1\}y∈{−1,+1}的如下函数：
f(x)=sign(w⋅x+b)
f(x) = sign(w\cdot x + b)
f...]]></description><category></category></item><item><title><![CDATA[3D CNN for AD论文阅读（一）--Attention-based 3D Convolutional Network for Alzheimer's Disease Diagnosis]]></title><link>https://blog.youkuaiyun.com/yufei0413/article/details/105225479</link><guid>https://blog.youkuaiyun.com/yufei0413/article/details/105225479</guid><author>yufei0413</author><pubDate>Tue, 31 Mar 2020 18:12:45 +0800</pubDate><description><![CDATA[文章目录论文：《Attention-based 3D Convolutional Network for Alzheimer’s Disease Diagnosis and Biomarkers Exploraion》摘要背景贡献实验模型搭建数据和预处理训练参数结果
论文：《Attention-based 3D Convolutional Network for Alzheimer’s Disea...]]></description><category></category></item></channel></rss>