Darlewo

转载自http://www.visiondummy.com/2014/04/curse-dimensionality-affect-classification/分类中的维度诅咒1简介 2维度和过度拟合的诅咒 3如何避免维数的诅咒？ 4结论介绍在本文中，我们将讨论所谓的“维度诅咒”，并解释在设计分类器时它的重要性。在下面的章节中，我将提供这个概念的直观解释，由一个由于维数诅咒而...

部分转载自维基百科Feature Selection最大相关-最小冗余 (mRMR)特征选择彭等人提出了一种特征选择方法，可以使用互信息，相关或距离/相似性分数来选择特征。目的是在存在其他所选特征的情况下通过其冗余来惩罚特征的相关性。给定两个随机变量x和y，他们的概率密度函数（对应于连续变量）为，则互信息为特征集S与类c的相关性由各个特征和类c之间的所有互信息值的平均值定义，如...

转载自https://blog.youkuaiyun.com/sunflower_sara/article/details/81228112一、支持向量机与核函数支持向量机的理论基础（凸二次规划）决定了它最终求得的为全局最优值而不是局部最优值，也保证了它对未知样本的良好泛化能力。支持向量机是建立在统计学习理论基础之上的新一代机器学习算法，支持向量机的优势主要体现在解决线性不可分问题，它通过引入核函...

我们知道ROC曲线的性能可以通过曲线下面积即AUC来得到，那么如何通过统计学的角度来比较两个ROC曲线呢，就是这里说的就是Delong test，可以得到两个曲线的P值，p<0.05可以看作两个曲线有较大差异。Matlab代码见https://github.com/PamixSun/DeLongUI可以得到曲线的AUC值，方差和两个曲线的协方差，p值Delong test的具体理...