随笔分类 - Machine Learning and Optimization
摘要:说说笔者对霍夫变换的理解:将一条直线转换到表征直线的参数空间(可以用斜率m和截距b表征一条直线,那么霍夫空间就是m和b的函数,极坐标表示也类似)。所以经过笛卡尔坐标系下的一个点,可以有无数条直线,即可以有无数种m和b的对应关系,在霍夫空间中,则对应着一条直线。图片上通过边缘检测可以离散得到N个点,而
阅读全文
摘要:def _reset_parameters(self): constant_(self.sampling_offsets.weight.data, 0) """初始化偏移量预测的偏置(bias), 使得初始偏移位置犹如不同大小的方形卷积核组合""" # (8,) [0, pi / 4, pi / 2
阅读全文
摘要:通透理解FlashAttention(含其2代和第3代):全面降低显存读写、加快计算速度-CSDN博客
阅读全文
摘要:本文摘自: (三十六)通俗易懂理解——ROI Align的基本原理及rpn与rcnn head锚框标签制作 - 知乎 (zhihu.com) 双线性插值(超级易懂的)_双线性内插法计算公式举例-CSDN博客
阅读全文
摘要:知乎:如何通俗地讲解 viterbi 算法? - 知乎 (zhihu.com) 知乎:维特比算法(viterbi)原理以及简单实现 - 知乎 (zhihu.com) 博客 动态规划dynamic programming 中的第二节最短路径问题,是一个很好的例子。
阅读全文
摘要:采样的定义: 我们知道了一个变量的分布,要生成一批样本服从这个分布,这个过程就叫采样。 采样本质上是对随机现象的模拟,根据给定的概率分布,来模拟产生一个对应的随机事件。 对于一个随机变量,通常用概率密度函数来刻画该变量的概率分布特性。具体来说,给定随机变量的一个取值,可以根据概率密度函数来计算该值对
阅读全文
摘要:本文所有内容都摘自吴军的《数学之美》
阅读全文
摘要:线性代数笔记3——向量2(点积) 线性代数笔记4——向量3(叉积)
阅读全文
摘要:通俗理解kaggle比赛大杀器xgboost (强烈推荐,该文中详细清晰的介绍了决策树、集成学习、Boosting、Bagging、Adaboost、GBDT、xgboost) Adaboost,按分类对错,分配不同的weight,计算cost function时使用这些weight,从而让“错分的
阅读全文
摘要:参考资料 如何解决数据不平衡问题? (总结的很好,强烈推荐) 样本不均衡及解决办法 (推荐) 极端类别不平衡数据下的分类问题研究综述 处理样本不均衡的8个方法 知乎:样本类别不平衡及其处理手段 分类样本不平衡问题 解决分类样本不平衡问题 ~ ML&DM面试高频问题 总结一下 从数据角度: 获取更多的
阅读全文
摘要:Noise Contrastive Estimation 前世今生——从 NCE 到 InfoNCE Noise Contrastive Estimation 随笔
阅读全文
摘要:参考: 知乎:什么是协变量以及协变量的定义是什么 什么是协变量Covariate? 第一种理解 例1 我想知道温度对于降水量的影响,但是海拔高度、经纬度、当地湿度等变量也会影响降水量。那么,在我的研究中,温度就是自变量,降水量是因变量,而海拔高度、经纬度和当地湿度就是协变量。 例2 我想知道年龄对身
阅读全文
摘要:知乎:支持向量机(SVM)——原理篇 简书:SVM算法原理
阅读全文
摘要:one-vs-all classifier和one-vs-one classifier
阅读全文
摘要:参考:多分类模型的常见指标解析
阅读全文
摘要:分类决策树 CSDN: 决策树(decision tree)(一)——构造决策树方法 (推荐) CSDN: 决策树(decision tree)(二)——剪枝 (推荐) CSDN: 决策树(decision tree)(三)——连续值处理 (推荐) CSDN: 决策树及决策树生成与剪枝 知乎:决策树
阅读全文
摘要:一些参考资料: [1] 李宏毅机器学习教学视频 semi-supervise [2] 李宏毅视频的文字稿 (上面两个资料的讲解顺序是:semi-supervised generative model --> low density assumption --> smooth assumption)
阅读全文

浙公网安备 33010602011771号