随笔分类 - Machine Learning and Optimization
摘要：摘自：Sener, Ozan, et al. "Unsupervised semantic parsing of video collections." Proceedings of the IEEE International Conference on Computer Vision. 2015
阅读全文
摘要：二分图定义 二分图又称作二部图，是图论中的一种特殊模型。 设G=(V,E)是一个无向图，如果顶点V可分割为两个互不相交的子集(A,B)，并且图中的每条边（i，j）所关联的两个顶点i和j分别属于这两个不同的顶点集(i in A,j in B)，则称图G为一个二分图。简而言之，就是顶点集V可分割为两个互
阅读全文
摘要：scikit-learn中的KMeans聚类实现( + MiniBatchKMeans)
阅读全文
摘要：上一篇博客介绍了准确率和F值这两个评估模型分类性能的指标，它们在聚类模型上的应用会稍微复杂一点点。 下文摘自知乎几种常见的聚类评估指标。 假设我们现在有猫狗图片100张，其中猫又25张，狗有75张。现在我们通过某种聚类算法对其进行聚类，聚类的结果为簇A中有38张图片（其中20张猫18张狗），簇B中有
阅读全文
摘要：本文的部分内容摘自韩家炜《数据挖掘》 四个术语 混淆矩阵（Confusion Matrix） 评估度量 还有一个术语：负正类率(false positive rate, FPR)，也叫做打扰率计算公式为：FPR=FP/(FP+TN)=FP/N。负正类率计算的是分类器错认为正类的负实例占所有负实例的比
阅读全文
摘要：本文转自：标准化互信息NMI计算步骤及其Python实现 标准化互信息NMI (Normalized Mutual Information)常用在聚类评估中。 标准化互信息NMI计算步骤 Python 实现 代码： ''' 利用Python实现NMI计算''' import math import
阅读全文
摘要：本文摘自： 郭岩, 罗珞珈, 汪洋, 付琨. 一种基于DTW改进的轨迹相似度算法[J]. 国外电子测量技术, 2016, 35(009):66-71. 轨迹数据 基于欧氏距离的相似度算法 基于时间动态规整(Dynamic Time Wraping, DTW)的相似度算法 此外，博客算法笔记-DTW动
阅读全文
摘要：本文摘自Digital Image Processing chapter 3.4 and 4.2，third eidtion, Rafael C. Gonzalez, Richard E. Woods
阅读全文
摘要：本文部分内容摘自： [1]. Computer vision - a modern approch, section21.4. 2002. David A. Forths et al. [2]. 马尔科夫链 1. Markov chain 2. Hidden Markov Modelson Disc
阅读全文
摘要：交替方向乘子法( Alternating Direction Method of Multipliers, ADMM)是一种常用的优化方法，本文详细地介绍了此方法，并用矩阵低秩表示作为例子，对每一个变量的迭代公式进行了详细推导。
阅读全文
摘要：在数据样本矩阵中，我们常用一列表示一个样本，一行表示一个特征。
阅读全文
摘要：首先推荐这个知乎文章，讲的挺好的：https://zhuanlan.zhihu.com/p/40991784 本文摘自：通俗易懂讲明白 最大似然和EM算法 最大似然 我们需要找到一个参数θ，其对应的似然函数L(θ) 最大，也就是说抽到这100 个男生(的身高)概率最大。这个叫做 θ 的最大似然估计量
阅读全文
摘要：1. 邻接矩阵，度矩阵，拉普拉斯矩阵 给定一个无向图： 我们可以用邻接矩阵(Adjacent Matrix)表示它： 把这个邻接矩阵记为W，W中的1表示有连接，0表示没有连接，例如第一行第二列的1表示图的节点1和节点2有连接，第一行第三列的0表示图的节点1和节点3没有连接在一起。因为是无向图，所以W
阅读全文
摘要：Linear Methods Lower-dimensional linear projection preserves distances between all points. Nonlinear Methods Lower-dimensional projection preserves lo
阅读全文
摘要：指示向量里的元素只能为0或者1，并且只能有一个1，例如(0,0,1,0)T就是一个指示向量，(1,0,1,0,0,0)T不是指示向量。 我们可以用指示向量来表示单分类问题：
阅读全文
摘要：1. 算法步骤 随机选取k个样本点充当k个簇的中心点； 计算所有样本点与各个簇中心之间的距离，然后把样本点划入最近的簇中； 根据簇中已有的样本点，重新计算簇中心； 重复步骤2和3，直到簇中心不再改变或改变很小。 2. 手动Python实现 import numpy as np import matp
阅读全文
