04 2015 档案

斯坦福机器学习实现与分析之七（学习理论）
摘要：- [前言](#1)- [训练样本准备](#2)- [特征选择](#3)- [模型选择](#4)- [交叉验证](#5)- [结语](#6) ##前言--- 学习理论是一系列的理论与方法，用于保证训练出的模型能高效稳定工作。机器学习算法主要有4个阶段：1. **训练样本准备**。充分有效的训... 阅读全文
posted @ 2015-04-29 20:23 过客冲冲 阅读(1204) 评论(0) 推荐(0) 编辑
windows程序防狼术入门
摘要：当初由于一些原因以及兴趣，学习了一段时间软件逆向，对于软件加密解密有了点粗略的了解。而后看到某些同学辛辛苦苦的搞出个软件，自己费心费力去加密，但搞出来后往往能被秒破，实不忍心。今天大概总结下一些基本的软件加密手段，以供参考，高手勿喷。关于解密 软件解密主要有2个层次，一个俗称爆破，就是不分析加... 阅读全文
posted @ 2015-04-22 19:23 过客冲冲 阅读(1965) 评论(18) 推荐(8) 编辑
斯坦福机器学习实现与分析之六（朴素贝叶斯）
摘要：朴素贝叶斯(Naive Bayes)适用于离散特征的分类问题，对于连续问题则需将特征离散化后使用。朴素贝叶斯有多元伯努利事件模型和多项式事件模型，在伯努利事件模型中，特征每一维的值只能是0或1，而多项式模型中特征每一维的值可取0到N之间的整数，因此伯努利模型是多项式模型的一种特例，下面的推导就直... 阅读全文
posted @ 2015-04-21 15:58 过客冲冲 阅读(2149) 评论(0) 推荐(0) 编辑
梯度下降法分析
摘要：梯度下降法存在的问题 梯度下降法的基本思想是函数沿着其梯度方向增加最快，反之，沿着其梯度反方向减小最快。在前面的线性回归和逻辑回归中，都采用了梯度下降法来求解。梯度下降的迭代公式为：\(\begin{aligned} \theta_j=\theta_j-\alpha\frac{\partial\;... 阅读全文
posted @ 2015-04-20 15:54 过客冲冲 阅读(3538) 评论(3) 推荐(2) 编辑
斯坦福机器学习实现与分析之五（高斯判别分析）
摘要：高斯判别分析（GDA）简介 首先，高斯判别分析的作用也是用于分类。对于两类样本，其服从伯努利分布，而对每个类中的样本，假定都服从高斯分布，则有: y∼Bernouli(ϕ) x|y=0∼N(μ0,Σ) \( x|y=1\;\ 阅读全文
posted @ 2015-04-14 17:07 过客冲冲 阅读(11803) 评论(16) 推荐(8) 编辑
斯坦福机器学习实现与分析之四（广义线性模型）
摘要：指数分布族 首先需要提及下指数分布族，它是指一系列的分布，只要其概率密度函数可以写成下面这样的形式：p(y;η)=b(y)exp(ηTT(y)−a(η)) 一般的很多分布（如高斯分布，泊松分布，二项式分布，伽马... 阅读全文
posted @ 2015-04-13 16:36 过客冲冲 阅读(1212) 评论(0) 推荐(0) 编辑
斯坦福机器学习实现与分析之三（逻辑回归）
摘要：前一节讲线性回归已提过，回归问题的根本目的在于预测。直观上看，线性回归训练与预测的值域都为实数域R，而逻辑回归训练样本值域为{0,1}，预测的值域则是(0,1)，也就是说逻辑回归用于分类，其结果能给出样本属于某个类的概率。逻辑回归逻辑回归作为机器学习中的一个简单而有效的算法，其应用之广泛已超出我... 阅读全文
posted @ 2015-04-10 15:01 过客冲冲 阅读(2606) 评论(0) 推荐(1) 编辑
斯坦福机器学习实现与分析之一（前言）
摘要：自去年底开始学习Andrew Ng的机器学习公开课，欲依其课件试着实现部分算法以加深理解，然在此过程中遇到部分问题，或为程序实现，或为算法理解。故而准备将此课程整理，并记录自己的理解，或对或错可共同讨论。 此课程主要包括三部分：监督学习算法、无监督学习算法以及学习理论。监督学习部分讲了回归、生... 阅读全文
posted @ 2015-04-08 10:34 过客冲冲 阅读(763) 评论(0) 推荐(0) 编辑
斯坦福机器学习实现与分析之二（线性回归）
摘要：回归问题提出 首先需要明确回归问题的根本目的在于预测。对于某个问题，一般我们不可能测量出每一种情况（工作量太大），故多是测量一组数据，基于此数据去预测其他未测量数据。 比如课程给出的房屋面积、房间数与价格的对应关系，如下表： 若要测量出所有情况，不知得测到猴年马月了。有了上面这一组测量数据，我... 阅读全文
posted @ 2015-04-08 10:31 过客冲冲 阅读(2252) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示