自信，就总会有好事儿！

实际上这个代码主要是参考了下面URL的代码，为了便于matlab输出信息，修改在了一个文件里面，但是他的主题思路很清晰，还是很建议读者读一下的。

第5章 决策树顾名思义,"决策树"就是按照建立分支来进行决策的方法,即根据啥(往往是根据某个属性的某个值作为指标，比如“年龄大于20岁的”或“身高大于1米5的”)来区分不同类别的数据,也是一种监督式机器学习算法,从编程角度来看,可以看作是一系列的"if… then… else…"的集合,这个模型非常直观,也即可读性非常好,决策树的学习通常包含三个步骤:特征选择,决策树生成,决策树的剪枝.给定数...

第4章 朴素贝叶斯朴素贝叶斯的基本思想是： 基于特征条件独立假设学习输入和输出的联合概率分布，然后，基于此模型，对给定的输入xxx，利用贝叶斯订立求出后验概率最大的输出yyy，根据《统计学习方法》书中的规划，这里将简述朴素贝叶斯的学习和分类、朴素贝叶斯的参数估计方法。4.1 朴素贝叶斯的学习和分类4.1.1简述输入:训练数据集 T={(x1,y1),(x2,y2),(xi...

K近邻算法本身是个很简单的算法，某些时候甚至不能称之为机器学习算法，因为它没有“学习”的过程，仅仅通过判定和要预测的xxx相近的点都呈现的表征来确定xxx的对应类标yyy就可以了，但是《统计学习方法》这本书使用了KD-tree的方法来寻找最近邻，其主要目的是在数据量比较大的时候能够优化查找效率，从原理来讲，树结构的查找的时间复杂度O(logN)O(logN)O\left( logN \right)...

该课程在斯坦福深度学习课上，点此打开        核心内容，自编码器，非监督学习方法。如果隐藏层的神经元数目较少，很好理解，如果较多，则要对隐层进行稀疏性限制，引入惩罚因子，这个惩罚因子和信息熵理论中的散度有关，所以引入KL-divergence进行转换，转换完成之后，为了求解这个最后的解，即的h，给出最终的损失函数，之后就和普通的神经网络一致了，进行梯度求解，迭代解出h。-----------...

发现之前写的那一篇EM算法的分析还是不够条理和清晰，在我后来分析的过程中，重新写了一篇文档，应该还算是比较清晰和条理好多，至于上一篇，可以当作是EM的预备知识吧，略看略读一下就好，有些概念清楚了之后看这一篇推导应该还是可以轻松一些的，这一篇里尽可能也是没有多说废话把原理讲清楚，特此把EM再在这里分享一下。...

转载请标明出处http://blog.youkuaiyun.com/zhaohang_1/article/details/52809504，谢谢合作！网上也是看了好几个大牛写过的文章，后来发现每个人的出发点不一样，大多是从数学角度上先来阐述原理的，然后完全复写了“E”和“M”过程，对于我这种刚上研究生数学底子有点差的人来说实在有点太过晦涩，我也是在读了各家关于EM的表述后想尽量做到对小白讲明白“EM”算法。不...

前两天一直在配置CUDA环境，结果到最后发现自己的电脑还是显卡配置太低没法进行GPU加速运算，所以回头来还是只使用CPU环境来学习tensorflow吧。目前，关于环境搭建问题，好像也没之前那么复杂了，这里给出我自己的环境配置过程，很简单：

Coupled Object Similarity，即COS耦合相似度算法计算，用以解决名词性问题的相似度计算算法

PLA是Percepton Learning Algorithm（感知器学习算法）的缩写，通俗理解为“知错能改演算法”。

网上看过不少关于AUC和GAUC的材料，但是都是文字描述，一点也不直观， 因此阿航萌生了使用图解的方式详细剖析一下AUC和GAUC的想法，也希望以此能帮助大家快速理解概念。其中，说到AUC就不得不提ROC曲线，因此这里阿航分三个部分来解读：ROC、AUC、GAUC。〇、ROC前身：通用的对分类模型的评价步骤1：给定样本如图A：其中绿色为正样本，红色为负样本步骤2：训练一个机器学习模型，...