摘要：
原文：http://blog.csdn.net/abcjennifer/article/details/7732417本文为Maching Learning 栏目补充内容，为上几章中所提到单参数线性回归、多参数线性回归和逻辑回归的总结版。旨在帮助大家更好地理解回归，所以我在Matlab中分别对他们予... 阅读全文
摘要：
原文：http://blog.csdn.net/zouxy09/article/details/48903179一、概述 机器学习算法在近几年大数据点燃的热火熏陶下已经变得被人所“熟知”，就算不懂得其中各算法理论，叫你喊上一两个著名算法的名字，你也能昂首挺胸脱口而出。当然了，算法之林虽大，但能者... 阅读全文
摘要：
原文：http://blog.csdn.net/abcjennifer/article/details/7914952本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization... 阅读全文
摘要：
原文： http://blog.csdn.net/abcjennifer/article/details/7849812本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularizatio... 阅读全文
摘要：
原文：http://blog.csdn.net/abcjennifer/article/details/7834256本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization... 阅读全文
摘要：
原文：http://blog.csdn.net/abcjennifer/article/details/7797502本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization... 阅读全文
摘要：
原文http://blog.csdn.net/abcjennifer/article/details/7758797本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、... 阅读全文
摘要：
原文http://blog.csdn.net/abcjennifer/article/details/7749309本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、... 阅读全文
摘要：
原文：http://blog.csdn.net/abcjennifer/article/details/7716281本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization... 阅读全文
摘要：
原文：http://blog.csdn.net/abcjennifer/article/details/7700772本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization... 阅读全文
摘要：
原文：http://blog.csdn.net/abcjennifer/article/details/7691571本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization... 阅读全文
只有注册用户登录后才能阅读该文。 阅读全文
摘要：
许多从自然场景中拍摄的图像，其色彩分布上会给人一种和谐、一致的感觉；反过来，在许多界面设计应用中，我们也希望选择的颜色可以达到这样的效果，但对一般人来说却并不那么容易，这属于色彩心理学的范畴（当然不是指某些伪神棍所谓的那种）。从彩色图像中提取其中的主题颜色，不仅可以用于色彩设计（参考网站：Desig... 阅读全文
只有注册用户登录后才能阅读该文。 阅读全文
摘要：
http://blog.csdn.net/zouxy09/article/details/24972869上一篇博文，我们聊到了L0，L1和L2范数，这篇我们絮叨絮叨下核范数和规则项参数选择。知识有限，以下都是我一些浅显的看法，如果理解存在错误，希望大家不吝指正。谢谢。三、核范数 核范数||W|... 阅读全文
只有注册用户登录后才能阅读该文。 阅读全文
只有注册用户登录后才能阅读该文。 阅读全文
摘要：
A geometric interpretation of the covariance matrixhttp://www.visiondummy.com/2014/04/geometric-interpretation-covariance-matrix/译文：http://demo.netfou... 阅读全文
摘要：
选取N幅同类目标物体的二维图像，并用上一篇博文的方法标注轮廓点，这样就得到训练样本集： 由于图像中目标物体的形状和位置存在较大偏差，因此所得到的数据并不具有仿射不变性，需要对其进行归一化处理。这里采用Procrustes分析方法对样本集中的所有形状集合进行归一化。形状和位置的载体还是样本点的空... 阅读全文
摘要：
翻译来自：http://news.csdn.net/article_preview.html?preview=1&reload=1&arcid=2825492摘要：本文解释了回归分析及其优势，重点总结了应该掌握的线性回归、逻辑回归、多项式回归、逐步回归、岭回归、套索回归、ElasticNet回归等七... 阅读全文