【机器学习基础】常用的数据归一化方法总结
摘要：归一化到[0,1]，或者归一化到[-1,1]等等； mapminmax 参考 1. 数据归一化方法； 完
阅读全文
posted @ 2020-04-20 17:55
随笔分类 - machine_learning
机器学习算法
【ML基础】t-SNE(t-distributed stochastic neighbor embedding)原理及推导
摘要：前言 参考 1. t-SNE原理与推导； 完
阅读全文
posted @ 2019-12-17 18:30
【ML基础】皮尔森相关系数(Pearson correlation coefficient)
摘要：前言 参考 1. 皮尔森相关系数(Pearson correlation coefficient)； 完
阅读全文
posted @ 2019-12-17 18:30
【转】吴恩达的视频课程做成了文字版 ~~~
摘要：ML DL 参考 1.CSDN大神； 完
阅读全文
posted @ 2018-12-25 17:46
【算法基础】卡尔曼滤波KF
摘要：kalman filter KCF 尺度变化是跟踪中比较基本和常见的问题，前面介绍的三个算法都没有尺度更新，如果目标缩小，滤波器就会学习到大量背景信息，如果目标扩大，滤波器就跟着目标局部纹理走了，这两种情况都很可能出现非预期的结果，导致漂移和失败。 https://blog.csdn.net/wfe
阅读全文
posted @ 2018-11-13 20:25
【机器学习基础】SVM实现分类识别及参数调优(二)
摘要：前言 实现分类可以使用SVM方法，但是需要人工调参，具体过程请参考here，这个比较麻烦，小鹅不喜欢麻烦，正好看到SVM可以自动调优，甚好！ 注意 1.reshape的使用； https://docs.opencv.org/3.3.1/d3/d63/classcv_1_1Mat.html#a4eb9
阅读全文
posted @ 2018-11-05 11:10
【机器学习算法】bagging算法
摘要：参考 1.AdaBoost从原理到实现； 完
阅读全文
posted @ 2018-10-15 10:14
【机器学习算法】Boostrapping算法
摘要：参考 1.AdaBoost从原理到实现； 完
阅读全文
posted @ 2018-10-15 10:13
【机器学习算法】AdaBoost自适应提升算法
摘要：前言 AdaBoost的算法步骤比较容易理解，可以参考李航老师的《统计学习方法》和July的blog。 对博主而言，最主要的是迭代部分的第二步骤是如何如何确定阈值呢，也就是说有一个特征就有一个强分类器，n个特征就有n个强分类器，那如果你特别大的话，肯定需要筛选特征，该如何筛选呢；也就是对于多维或者高
阅读全文
posted @ 2018-10-11 14:14
如何评价模型的好坏-转载
摘要：前言 “所有模型都是坏的，但有些模型是有用的”。我们建立模型之后，接下来就要去评估模型，确定这个模型是否‘有用’。当你费尽全力去建立完模型后，你会发现仅仅就是一些单个的数值或单个的曲线去告诉你你的模型到底是否能够派上用场。 在实际情况中，我们会用不同的度量去评估我们的模型，而度量的选择，完全取决于模
阅读全文
posted @ 2017-12-07 16:19
[Machine Learning & Algorithm] 随机森林（Random Forest）-转载
摘要：作者：Poll的笔记 博客出处：http://www.cnblogs.com/maybe2030/ 阅读目录 1 什么是随机森林？ 2 随机森林的特点 3 随机森林的相关基础知识 4 随机森林的生成 5 袋外错误率（oob error） 6 随机森林工作原理解释的一个简单例子 7 随机森林的Pyth
阅读全文
posted @ 2017-08-22 10:46
