摘要：
由perceptron线性组成的一个神经网络： 通过赋予g不同的权值，来实现不同的切分功能： 但有的切分只通过一次特征转换是不够的，需要多次转换，如下：Neural Network Hypothesis：为了便于优化，将sign（离散）变成tanh，这个函数相当于regression的拉伸与... 阅读全文
摘要：
将Adaboost和decision tree相结合，需要注意的地主是，训练时adaboost需要改变资料的权重，如何将有权重的资 料和decision tree相结合呢？方法很类似于前面讲过的bagging，通过采样资料来使资料获得不同的权重。 一棵完全的树的权值... 阅读全文
摘要：
这位博主总结的实在太好了，从原理到论文到代码，连论文都不用看：论文：http://blog.csdn.net/zouxy09/article/details/8118360 代码部分：http://blog.csdn.net/zouxy09/article/details/82101... 阅读全文
摘要：
随机森林就是要将这我们之前学的两个算法进行结合：bagging能减少variance（通过g们投票），而decision tree的variance很大，资料不同，生成的树也不同。 为了得到不同的g，除了用bootstrap用不同的资料得到不同的g外，还可以采用随即选择特征的方式... 阅读全文
摘要：
参考：http://www.cnblogs.com/GuoJiaSheng/p/4480497.html http://www.cnblogs.com/tornadomeet/archive/2012/04/12/2443993.html 阅读全文
摘要：
这是我们已经学到的（除Decision Tree外） 下面是一个典型的decision tree算法，有四个地方需要我们选择： 接着介绍了一个CART算法：通过decision stump分成两类，衡量子树的标准是，将数据分成两类后，这两类数据的纯度... 阅读全文
摘要：
vector: 本科时学C++的时候没学过vector，正好补一下。 第一个要注意的地方是要正确区分列表初始值还是元素数量。 第二点是不能使用范围for向vector对象添加元素，范围for语句体内不应改变其所遍历序列的大小。 不能用下标形式给vector添加元素 ... 阅读全文
摘要：
getline(cin,string s)可以读取一整行，包括空白符。使用ctrl+Z结束 字符串字面值与string是不同的类型。两个字符串字面值不能直接相加。 处理string对象中的字符时，C++定义了很多库函数，可方便使用。 如果想要处理每一个字符，... 阅读全文
摘要：
将分类器组合的过程中，将重点逐渐聚焦于那些被错分的样本点，这种做法背后的数学原因，就是这讲的内容。 在用bootstraping生成g的过程中，由于抽样对不同的g就生成了不同的u，接下来就是不断的调整u，使得Ein最小。 g越不同，通过... 阅读全文
摘要：
这位博主把目标检测的大致过程写了下来，总结的通俗易懂：http://blog.csdn.net/zouxy09/article/details/7928771 阅读全文