2016年5月13日

摘要: 七月算法--12月机器学习在线班-第十一次课笔记—随机森林和提升 七月算法(julyedu.com)12月机器学习在线班学习笔记http://www.julyedu.com 随机森林:多棵树,对当前节点做划分是最重要的 1,决策树 决策树学习采用的是自顶向下的递归方法,其基本思想是以信息熵为度量构造 阅读全文
posted @ 2016-05-13 20:11 阿甘_dew 阅读(212) 评论(0) 推荐(0) 编辑
摘要: 七月算法-12月机器学习在线班--第十八次课笔记-条件随机场CRF 七月算法(julyedu.com)12月机器学习在线班学习笔记http://www.julyedu.com 1,对数线性模型 一个事件的几率odds,是指该事件发生的概率与该事件不发生的概率的比值。 1.1对数线性模型的一般形式 令 阅读全文
posted @ 2016-05-13 20:00 阿甘_dew 阅读(410) 评论(0) 推荐(0) 编辑
摘要: 七月算法-12月机器学习--第十七次课笔记-隐马尔科夫模型HMM 七月算法(julyedu.com)12月机器学习在线班学习笔记http://www.julyedu.com 隐马尔科夫模型 三个部分:概率计算,参数估计,模型预测 1,HMM定义 HMM由初始概率分布π、状态转移概率分布A以及观测概率 阅读全文
posted @ 2016-05-13 19:55 阿甘_dew 阅读(503) 评论(0) 推荐(0) 编辑
摘要: 七月算法-12月机器学习--第十六次课笔记—采样和变分 七月算法(julyedu.com)12月机器学习在线班学习笔记http://www.julyedu.com 第一部分 采样 引言 为什么要研究采样? 根据采样结果估算分布的参数,完成参数学习。 前提:模型已经存在,但参数未知; 方法:通过采样的 阅读全文
posted @ 2016-05-13 19:50 阿甘_dew 阅读(461) 评论(0) 推荐(0) 编辑
摘要: 七月算法-12月机器学习--第十五次课笔记—主题模型 七月算法(julyedu.com)12月机器学习在线班学习笔记http://www.julyedu.com 复习的知识: 1,Γ函数 是阶乘在实数上的推广,即实数的阶乘 2,Beta分布 Beta分布的概率密度: 其中系数B为: 两者的关系 1, 阅读全文
posted @ 2016-05-13 19:40 阿甘_dew 阅读(290) 评论(0) 推荐(0) 编辑
摘要: 七月算法--12月机器学习在线班-第十三次课笔记—贝叶斯网络 七月算法(julyedu.com)12月机器学习在线班学习笔记http://www.julyedu.com 1.1 贝叶斯公式带来的思考:给定结果推原因; 1.2朴素贝叶斯的假设 1,一个特征出现的概率,与其他特征(条件)独立(特征独立性 阅读全文
posted @ 2016-05-13 02:45 阿甘_dew 阅读(575) 评论(0) 推荐(0) 编辑
摘要: 七月算法--12月机器学习在线班-第十九次课笔记-深度学习--CNN 七月算法(julyedu.com)12月机器学习在线班学习笔记http://www.julyedu.com 1,卷积神经网络-CNN 基础知识 三个要点 1: 首先将输入数据看成三维的张量(Tensor) 2: 引入Convolu 阅读全文
posted @ 2016-05-13 02:35 阿甘_dew 阅读(4053) 评论(0) 推荐(1) 编辑
摘要: 七月算法-12月机器学习在线班--第十二次课笔记—支持向量机(SVM) 七月算法(julyedu.com)12月机器学习在线班学习笔记http://www.julyedu.com 复习的内容: 对偶问题 KKT条件 SVM 1.1三类数据类型 1.2 线性分类 1.2.1 样本到分类面的距离的意义 阅读全文
posted @ 2016-05-13 02:22 阿甘_dew 阅读(916) 评论(0) 推荐(0) 编辑
摘要: 七月算法12月机器学习在线班 第二十次课笔记 深度学习--RNN 七月算法(julyedu.com)12月机器学习在线班学习笔记http://www.julyedu.com 1,循环神经网络 复习之前的知识点: 全连接前向网络: 学习出来的是函数 卷积网络:卷积操作,部分链接,共享操作,逐层提取原始 阅读全文
posted @ 2016-05-13 02:11 阿甘_dew 阅读(596) 评论(0) 推荐(0) 编辑
摘要: 七月算法-12月机器学习在线班--第十四次课笔记—EM算法 七月算法(julyedu.com)12月机器学习在线班学习笔记http://www.julyedu.com EM Expection Maxium 期望最大化 1 引例 1000人,统计身高,1.75,1.62,1.94,有多少男女,每个身 阅读全文
posted @ 2016-05-13 02:09 阿甘_dew 阅读(458) 评论(0) 推荐(0) 编辑

导航