随笔分类 - Machine Learning and Optimization
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
摘要：本文摘自 A Survey on Temporal Action Localization. HuiFen Xia et al. 2020. 此外，THUMOS 14数据集上有提供另外一个关于mPA是计算方法：
阅读全文
摘要：top1错误率、top5正确率
阅读全文
摘要：微信视频讲解(1) （推荐） 微信视频讲解(2) （推荐） Transformer 详解 （有详细的原理以及pytorch代码实现讲解，推荐） 李宏毅哔哩哔哩视频讲解 Vision Transformer 超详细解读 (原理分析+代码解读) (一) （推荐） 举个例子讲下transformer的输入
阅读全文
摘要：参考资料： sklearn调包侠之KNN算法 深入浅出KNN算法（一） KNN算法原理 深入浅出KNN算法（二） sklearn KNN实践 KNN的原理就是当预测一个新的值x的时候，根据它距离最近的K个点是什么类别来判断x属于哪个类别。 KNN是有监督学习中的分类算法，也就是已知训练样本的labe
阅读全文
摘要：理解先验概率和后验概率的时候，千万不要被中文翻译给误导了，直接看英文术语，更容易理解。 P(A|B)是已知B发生后A的条件概率，也由于得自B的取值而被称作A的后验概率，posterior probability。posterior的意思是：coming after in time，即在之后发生的。我
阅读全文
摘要：首先把数据集划分为训练集和测试集； 再把训练集细分为训练集和验证集，划分的方式常常是K折交叉验证法。 训练集(training set)：用于训练模型，拟合的数据样本。 验证集(validate set)：用于决定什么时候停止训练模型、使用多少层网络、使用什么正则化方式、网络参数量等超参。 测试集(
阅读全文
摘要：定义 时间复杂度就是用来方便开发者估算出程序的运行时间。 我们该如何估计程序运行时间呢，我们通常会估计算法的操作单元数量，来代表程序消耗的时间， 这里我们默认CPU的每个单元运行消耗的时间都是相同的。 假设算法的问题规模为n，那么操作单元数量便用函数f(n)来表示。 随着数据规模n的增大，算法执行时
阅读全文
摘要：李宏毅课程 classification 1，视频的19:47处开始有讲为什么叫生成模型，生成模型一般都需要先假设训练数据服从某种概率分布。 李宏毅课程 logistic regression， 视频的42:07处有讲判别模型和生成模型的区别，另外，视频的31:24处也有到，可参考视频前面的内容加以
阅读全文
摘要：本文摘自黄清龙等编著的《概率论与数理统计》 条件概率 全概率公式 贝叶斯公式 朴素贝叶斯 我们以一个例子来阐述朴素贝叶斯思想。例子来自朴素贝叶斯分类:原理。 假设根据以前的经验获得如下的数据。然后给你一个新的数据：身高“高”、体重“中”，鞋码“中”，请问这个人是男还是女？ 判断是男还是女，是分类问题
阅读全文
摘要：本文摘自张贤达《矩阵分析与应用》第一章第6、12小节。 适定、欠定、超定方程 欠完备字典、完备字典、超完备字典
阅读全文
摘要：Understanding Model Validation for Classification
阅读全文
