随笔分类 - 机器学习
OpenCV入门笔记
摘要：1、简单使用 https://www.cnblogs.com/Undo-self-blog/p/8423851.html #简单使用 # opencv C++ 模块叫cv2 import cv2 import numpy as np #加载 imread，imshow # numpy类型的数据 ro
决策树原理
摘要：（一） 决策树 1、决策树分类原理 决策树是通过一系列规则对数据进行分类的过程。它提供一种在什么条件下会得到什么值的类似规则的方法。决策树分为分类树和回归树两种，分类树对离散变量做决策树，回归树对连续变量做决策树。 近来的调查表明决策树也是最经常使用的数据挖掘算法，它的概念非常简单。决策树算法之所以
机器学习三大框架对比
摘要：introduction： Science is NOT a battle, it is a collaboration. We all build on each other's ideas. Science is an act of love, not war. Love for the bea
PCA的数学原理(转)
摘要：PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的
机器学习之正则化（Regularization）
摘要：1. The Problem of Overfitting 1 还是来看预测房价的这个例子，我们先对该数据做线性回归，也就是左边第一张图。 如果这么做，我们可以获得拟合数据的这样一条直线，但是，实际上这并不是一个很好的模型。我们看看这些数据，很明显，随着房子面积增大，住房价格的变化趋于稳定或者说越往
机器学习(2)之正规方程组
摘要：另外一种线性回归，它是利用矩阵求导的方式来实现梯度下降算法一样的效果。 1. 矩阵的求导 首先定义表示m×n的矩阵，那么对该矩阵进行求导可以用下式表示，可以看出求导后的矩阵仍然为m×n 这里要用到矩阵迹的特性，trace. 对于一个n阶的方阵（n×n）,它的迹(tr)为对角线元素之和： 1. 对于一
机器学习(1)之梯度下降(gradient descent)
摘要：梯度下降是线性回归的一种(Linear Regression)，首先给出一个关于房屋的经典例子， 面积(feet2) 房间个数 价格（1000$） 2104 3 400 1600 3 330 2400 3 369 1416 2 232 3000 4 540 ... ... .. 上表中面积和房间个数
数据标准化处理-特征缩放（Feature Scaling）
摘要：数据的标准化（normalization）和归一化 数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是数据的归一化处
乘法效率的极限
摘要：跟你计算乘法的方式不同，计算机使用了更快的乘法算法。今年夏天，热榜上被一个简单的数学问题刷屏：8÷2(2+2)=? 如果先用8除以2你会得到16；如果先用2乘(2+2)，会得到1。所以，那个结果是对的？这个问题的分歧很大以至于上了纽约时报的新闻。正如部分评论所言，即使是专业的数学家也无法将这两者统一
4种协同过滤中的相似度计算方法
摘要：相似度计算对象是向量，或者叫做高维空间下的坐标，那表示这个向量的数值就有两种： 实数值；布尔值，也就是0或者1。 这几种不同计算方法适用于不同的数据种类。 1欧氏距离 欧氏距离，是一个欧式空间下度量距离的方法，不适合布尔向量之间。 2余弦相似度 余弦相似度，度量的是两个向量之间的夹角，其实就是用夹角
机器/深度学习指南
摘要：怎么入门机器/深度学习？ 回答这个问题，最先要考虑的问题是：你有多少时间？ 准备用三个月入门，和想要一个月速成，肯定是截然不同的路径。当然我建议大家稳扎稳打，至少可以拿出五个月的时间来学好机器学习的基础知识。 基础很重要，知其所以然很重要。毕竟工具总在进步，每个月都会出现更好的深度学习技术，但基础知
