fxjwind

摘要： 今天研究了一下，记录下来中间用的是redis，可以使用任意其他的io替代，一样的Test1 String s1 = "我要测试"; String s2 = "I want to test"; String s3 = "경쟁력, 네이버"; redis.lpush("testencode", s1);... 阅读全文

摘要： 网易公开课，第6，7，8课 notes，http://cs229.stanford.edu/notes/cs229-notes3.pdf SVM-支持向量机算法概述, 这篇讲的挺好，可以参考 先继续前面对线性分类器的讨论， 通过机器学习算法找到的线性分类的线，不是唯一的，对于一个训练集一般都会有很多线可以把两类分开，这里的问题是我们需要找到best的那条线 首先需要定义Ma... 阅读全文

摘要： 网易公开课，第5，6课 notes，http://cs229.stanford.edu/notes/cs229-notes2.pdf 前面讨论了高斯判别分析，是一种生成学习算法，其中x是连续值 这里要介绍第二种生成学习算法，Naive Bayes算法，其中x是离散值的向量 这种算法常用于文本分类，比如分类垃圾邮件 首先，如何表示一个文本，即x？ 以上面这种向量来表示... 阅读全文

摘要： 网易公开课，第5课 notes，http://cs229.stanford.edu/notes/cs229-notes2.pdf 学习算法有两种，一种是前面一直看到的，直接对p(y|x; θ)进行建模，比如前面说的线性回归或逻辑回归，这种称为判别学习算法（discriminative learning algorithms） 另外一种思路，就是这里要谈的，称为生成学习算法（genera... 阅读全文

摘要： 网易公开课，第4课 notes，http://cs229.stanford.edu/notes/cs229-notes1.pdf 前面介绍一个线性回归问题，符合高斯分布 一个分类问题，logstic回归，符合伯努利分布 也发现他们有些相似的地方，其实这些方法都是一个更广泛的模型族的特例，这个模型族称为，广义线性模型（Generalized Linear Models，GLMs）... 阅读全文

摘要： 算法 算法导论 Introduction to Algorithms, Second Edition, by Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest and Clifford Stein 算法概论 Algorithms, S. Dasgupta, C. H. Papadimitriou, ... 阅读全文

摘要： 网易公开课，第3，4课 notes，http://cs229.stanford.edu/notes/cs229-notes1.pdf 前面讨论了线性回归问题， 符合高斯分布，使用最小二乘来作为损失函数 下面继续讨论分类问题，分类问题和回归问题不同在于Y的取值是离散的 我们先讨论最简单的binary classification，即Y的取值只有0和1 分类问题一般不会使... 阅读全文

摘要： 网易公开课，监督学习应用.梯度下降 notes，http://cs229.stanford.edu/notes/cs229-notes1.pdf 线性回归（Linear Regression） 先看个例子，比如，想用面积和卧室个数来预测房屋的价格 训练集如下 首先，我们假设为线性模型，那么hypotheses定义为 ， 其中x1,x2表示面积和#... 阅读全文

摘要： 决策树 什么是决策树？ 决策树可以看成一系列if-then的规则，这个很好理解 也可以看成是条件概率分布， X为特征，x1，x2 Y为分类，1，-1 那么对于每个叶节点，相当于对于每个经过的中间结点的条件概率 当x1=a,x2=b的时候为1分类的概率>0.5，则认为是1分类 决策树学习 决策树学习的本质是从训练数据集上归纳出一组分类规则... 阅读全文

摘要： 贝叶斯定理（Bayes theorem） 这是关于“逆概”或“后验概率”的定理，之所以需要这个定理是因为后验概率是以“果”来推导“因”，所以往往难以直接统计出。 但是后验概率却非常重要，因为在现实生活中，往往都只能观测到一些表面的“果”，需要去推断“因”。 而bayes定理就给出一种计算后验概率的方法。 以例子来说明，一个班级中n个学生，有男生也有女生 两个featu... 阅读全文