文章分类 - 统计学习方法
统计学习方法，又名机器学习方法
主要是根据李航的《统计学习方法》一书，记录相关内容
摘要：核密度估计是在概率论中用来估计未知的密度函数，属于非参数检验方法之一。 由于核密度估计方法不利用有关数据分布的先验知识，对数据分布不附加任何假定，是一种从数据样本本身出发研究数据分布特征的方法，因而，在统计学理论和应用领域均受到高度的重视。 参考链接 核密度估计(Kernel density est
阅读全文
摘要：算法描述 根据采样点集计算均值和方差： 采样点集的生成及对应权重的生成：（根据估计量的均值和协方差阵进行生成） 其中，参数满足的条件如下： 流程： 公式推导： code实现 python code： 结果： 参考链接 概率机器人——扩展卡尔曼滤波、无迹卡尔曼滤波 无迹卡尔曼滤波-2
阅读全文
摘要：结论 1. 在相同的运动模型下，PF的粒子数量越多，定位精度越高 2. 系统运动不确定度越大，即越随机，对应的驱动噪声亦应设置越大，才能通过运动模型预测去覆盖可能达到的状态点，否则系统可能无法收敛到最优解，逐渐发散 3. 在相同的粒子数量下，系统越随机，则定位精度越低 4. 在粒子数量一定的情况下，
阅读全文
摘要：参考链接 在 Python 中做最优化计算，有哪些值得推荐的包或模块？ 哪些 Python 库让你相见恨晚？ Python 凸优化笔记 Python：安装cvxpy，进行凸优化 Python：安装cvxpy，进行凸优化
阅读全文
摘要：[Ceres]关于Problem的重要的类 参考链接 链接一：视觉SLAM基础理论 专栏 中的链接 Ceres Solver 具体案例分析 Ceres 详解（一） Problem类 【Ceres::Problem类详解】 Ceres详解（二） CostFunction Ceres详解（三）最小二乘问
阅读全文
摘要：https://blog.csdn.net/u010182633/article/details/45924061
阅读全文
摘要：原理 初始化 首先是要选定一些参数，这些参数可以再代码注释中看到，数据的初始化常使用随机初始化 产生新解 给当前某个解加上一部分产生一个新解，通常加上的为步长乘以一个区间内的随机数，需要判断新解是否仍在可行区间内，如果超出了区间，需要重新再计算一个新解，直到满足要求为止 新解保留 系统从当前状态1到
阅读全文
摘要：参考链接： 随机数生成算法 两种随机数生成方法——反函数法和舍选法 Metropolis 采样算法 马尔科夫链蒙特卡罗方法(MCMC) 从随机过程到马尔科夫链蒙特卡洛方法（MCMC）
阅读全文
摘要：奇异值分解与低秩矩阵近似 知识图谱之WordNet
阅读全文
摘要：强化学习（Reinforcement Learning） 第十二讲：强化学习（Reinforcement Learning）和控制（Control） 强化学习（Reinforcement Learning）知识整理 [读论文] DeepPath: 知识图谱推理的强化学习方法
阅读全文
摘要：机器学习之蒙特卡洛方法 机器学习方法(八)：随机采样方法整理（MCMC、Gibbs Sampling等）
阅读全文
摘要：贝叶斯规划学习BPL ？深度强化学习： 机器学习的分支：深度学习和强化学习。 深度学习是一种机器学习中建模数据的隐含分布的多层表达的算法。换句话来说，深度学习算法自动提取分类中所需要的低层次或者高层次特征。因此深度学习能够更好的表示数据的特征，同时由于模型的层次、参数很多，容量也足够，因此，深度学习
阅读全文
摘要：参考链接： 频率学派和贝叶斯学派的参数估计 贝叶斯学派与频率学派有何不同？
阅读全文
摘要：LeNet-5模型的Python实现 https://zhuanlan.zhihu.com/p/36967486 pytorch实现LeNet5 https://blog.csdn.net/jeryjeryjery/article/details/79426907 手把手教你写一个用pytorch实
阅读全文
摘要：转载： https://zhuanlan.zhihu.com/p/22455079 玩转贝叶斯分析 开头先开个玩笑， 有人说“信贝爷， 得永生” 你是否理解此中真意？ 贝爷是这位， 生前是个神父。 贝叶斯分析是整个机器学习的基础框架， 它的思想之深刻远出一般人所认知的， 我们这里要从贝叶斯统计说起。
阅读全文
摘要：测试训练数据集划分 https://blog.csdn.net/sinat_26917383/article/details/77917881 参考链接 混淆矩阵计算 #!/usr/bin/env python3 # -*- coding: utf-8 -*- ' python sklearn 混淆
阅读全文
摘要：https://blog.csdn.net/qq_25762497/article/details/51052861 详解卷积神经网络（CNN） https://www.cnblogs.com/infaraway/p/8523341.html 经典卷积神经网络 （LeNet、AlexNet、VGG、
阅读全文
摘要：https://www.cnblogs.com/wxquare/p/5484636.html 机器学习之特征工程 https://www.cnblogs.com/infaraway/p/8645133.html 机器学习-特征工程基本流程
阅读全文
