摘要：
在机器学习领域中，概率模型是一个常用的利器。用它来对问题进行建模，有几点好处：1）当给定参数分布的假设空间后，可以通过很严格的数学推导，得到模型的似然分布，这样模型可以有很好的概率解释；2）可以利用现有的EM算法或者Variational method来学习。通常为了方便推导参数的后验分布，会假设参数的先验分布是似然的某个共轭分布，这样后验分布和先验分布具有相同的形式，这对于建模过程中的数学推导可以大大的简化，保证最后的形式是tractable。 在概率模型中，Dirichlet这个词出现的频率非常的高。初始机器学习的同学或者说得再广一些，在学习概率模型的时候，很多同学都不清楚为啥一个表现.. 阅读全文
摘要：
这是一个内联公式测试。E=mc^2这是一个独占公式测试。E=mc^21 alert('hello'); 阅读全文
摘要：
此文章已于 16:41:13 2013/4/26 重新发布到 wybang更加全面地认识PCA类别机器学习, 数据挖掘 相信只要与数据打交道的同学对PCA都不陌生，不管是机器学习/数据挖掘的同仁，还是从事图像处理、信号分析的研究者。PCA有着十分广泛的应用，常见的应用有降维（dimensionality reduction）、特征提取（feature extraction）、有损... 阅读全文
摘要：
在http://www.52nlp.cn/的博客中，有几篇关于正态分布认知的几篇文章，最后作者@riskjin整理在一个pdf文档中，地址见（http://vdisk.weibo.com/s/hymAm/1352357338）。 阅读全文
摘要：
这里转载下Guzili博主的关于“老师木”对机器学习的一些见解（http://www.guzili.com/?p=45204），主要有六大部分。我想不管是初学者还是一些正在该领域奋斗的人都可以从中得到不少启发。1）机器学习 基础篇2）机器学习 进阶篇3）机器学习 实战篇4）机器学习 反思篇5）机器学习 方法论6）机器学习 番外篇 阅读全文
摘要：
微盘中的文章：转自zh's note http://blog.csdn.net/wuzh670/其他：http://www.cnblogs.com/paulbai/archive/2012/11/16/2774030.html 阅读全文
摘要：
今天在博客上看到了一则关于boosting的介绍，实乃不错，原文地址见右：http://stblog.baidu-tech.com/?p=19文章从3个方面介绍了boosting，boosting的发展历史，重点介绍二类adaboost，多分类adaboost。令人眼前一亮的是，在纵多的关于boosting的优点的介绍中，都只说明了它的简单性，可用性，以及及时多次训练也不会overfitting。这篇博客还从理论上介绍了下adaboost训练误差的上界会随着训练次数的增加而下降，详细证明见原文。 阅读全文
摘要：
在科学网上看见一些关于视觉（Vision）中背景建模的blog，这里把链接贴出来和大家分享下。背景建模http://blog.sciencenet.cn/blog-722391-571072.htmlhttp://blog.sciencenet.cn/blog-722391-571489.htmlhttp://blog.sciencenet.cn/blog-722391-571816.htmlhttp://blog.sciencenet.cn/blog-722391-572292.htmlhttp://blog.sciencenet.cn/blog-722391-572639.html 阅读全文
摘要：
今天在围脖中看到自动化所刘康的围脖中给了一个关于NMF和pLSA对比分析的链接http://ezcodesample.com/plsaidiots/NMFPLSA.html，大体读了一下，下面用中文对文中的思想重新解释，版权归原作者Andrew Polar。一、名词解释（1）NMF, nonnegative matrix factorization，直观理解即非负矩阵分解，通常用于矩阵填充，推荐系统等。贡献较大的几位学者有Chris Ding，Daniel D. Le等，还有大陆浙江大学的Deng Cai和Xiaofei He等，还有台湾学者Chih-Jen Lin等。其严格的数学定义如下（1 阅读全文