12 2021 档案
摘要：机器学习中的监督学习本质上是给定一系列训练样本$(x_i,y_i)$，尝试学习$x \to y$的映射关系，使得给定一个$x$，即便这个$x$不在训练样本中，也能够得到尽量接近真实$y$的输出$\hat{y}$。而损失函数（Loss Function）则是这个过程中关键的一个组成部分，用来衡量模型的
阅读全文
摘要：机器学习 概率论相关应用部分，从大学课本中走出面向机器学习中概率的要求
阅读全文
摘要：上图是MapReduce的任务处理过程 概述 MapReduce是一种分布式计算模型，由Google提出，主要用于搜索领域，解决海量数据的计算问题. MapReduce是分布式运行的，由两个阶段组成：Map和Reduce，Map阶段是一个独立的程序，有很多个节点同时运行，每个节点处理一部分数据。Re
阅读全文
摘要：记录搭建hadoop的过程
阅读全文
摘要：简单实现MongoDB的复制集和分片的功能
阅读全文
摘要：背景 Local Outlier Factor（LOF）是基于密度的经典算法（Breuning et. al. 2000）, 文章发表于 SIGMOD 2000, 到目前已经有 3000+ 的引用。 在 LOF 之前的异常检测算法大多是基于统计方法的，或者是借用了一些聚类算法用于异常点的识别（比如
阅读全文
摘要：主成分分析（Principal components analysis，以下简称PCA）是最常用的降维方法之一，在数据压缩和消除冗余方面具有广泛的应用，本文由浅入深的对其降维原理进行了详细总结。 1. 向量投影和矩阵投影的含义 如下图： 向量a在向量b的投影为： 其中，θ是向量间的夹角 。 向量a在
阅读全文
摘要：Introduce 感知机模型(Perceptron)是一个最简单的有监督的二分类线性模型。他可以从两个方面进行介绍 方面一 问题分析 问题（一维）：儿童免票乘车问题（孩子身高低于1.2m可以免票上车） 这转换成数学表达式就是 $x:$身高，$y:\{-1:$免票 ,$1:$购票$\}$ $$ y=
阅读全文
摘要：先对几个概念和问题做一个解释： 图像为什么要灰度化？ 识别物体，最关键的因素是梯度（SIFT/HOG），梯度意味着边缘，这是最本质的部分，而计算梯度，自然就用到灰度图像了，可以把灰度理解为图像的强度。 颜色，易受光照影响，难以提供关键信息，故将图像进行灰度化，同时也可以加快特征提取的速度。 仿射不变
阅读全文
摘要：范数本质是向量或者矩阵映射到实数域的单值函数。 假设$N(x)=\Vert x \Vert$是定义在$R^n$上的函数，她需要满足以下三个条件： 非负性： \(\Vert x \Vert \ge 0\)，当且仅当$x=0$时，\(\Vert x \Vert = 0\) 齐次性：\(\Vert kx
阅读全文
摘要：Tensor的概念 说起张量（tensor）就不得不说他和scalar、vertor、matrix之间的关系了，直接上图： 标量（scalar）：只有大小概念，没有方向的概念。通过一个具体的数值就能表达完整。比如：重量、温度、长度、提及、时间、热量等都数据标量。 向量（vector）：物理学上也叫矢
阅读全文
摘要：交叉验证是一种用于估计机器学习模型性能的统计方法，它是一种评估统计分析结果如何推广到独立数据集的方法。
阅读全文
摘要：距离(distance，差异程度)、相似度(similarity，相似程度)方法可以看作是以某种的距离函数计算元素间的距离，这些方法作为机器学习的基础概念，广泛应用于如：Kmeans聚类、协同过滤推荐算法、相似度算法、MSE损失函数等等。本文对常用的距离计算方法进行归纳以及解析，分为以下几类展开：
阅读全文
摘要：有关CNN的详细介绍 原理及各部分作用更详细一些
阅读全文
摘要：转载于：https://www.toutiao.com/a6609148733269475848/
阅读全文
摘要：博客日常用于记录学习过程，心得以及一些好的技术帖 欢迎大家留言
阅读全文
摘要：欢迎来到我的友链小屋 展示本站所有友情站点，排列不分先后，均匀打乱算法随机渲染的喔！ 友链信息 博客名称： Christopher·阳博客网址： https://www.cnblogs.com/young978/ 博客介绍： 低头不是认输，而是要看清自己的路；抬头不是骄傲，而是要看见自己的天空
阅读全文