機器學習-學習筆記1
今天一朋友發給我了關於斯坦福大學andrew ng的機器學習的視訊，最開始覺得只當是瞭解。因為接下來的學習方向是機器智慧了，這些都是基礎必須學會的知識。瞭解到了一些概念 1：監督學習，就是給定了學習集合，這些學習集合也叫做樣本，每個樣本的變數以及結果都會給出，並且在預測的時候，預測的結果已經是知道了 […]
機器智慧
1/6ページ
話說正確率、召回率和F值
正確率、召回率和F值是在魚龍混雜的環境中，選出目標的重要評價指標，本文就針對這三個指標得瑟得瑟。 不妨看看這些指標的定義先： 正確率 = 正確識別的個體總數 / 識別出的個體總數 召回率 = 正確識別的個體總數 / 測試集中存在的個體總數 F值 = 正確率 * 召回率 * 2 […]
VSM向量空間模型對文字的分類以及簡單實現
1：對文字的分類，不管用什麼高階的方法，首先還是需要建立數學模型的，這個地方就用SVM來建立，他的原理是根據文字的特徵，比如一個文字有10個特徵（一般來說每個特徵是一個代表這個文字的關鍵詞），那麼這個文字向量大小就是10了。具體的每個值就是這個特徵的權重（關於權重的計算很多種，我這個地方只用了詞頻來 […]
機器學習-學習筆記2-監督學習中迴歸方程的建立以及預測
下午看了斯坦福機器學習的第二節課，主要是講解的監督學習中的迴歸問題，更多的是迴歸方程中系統的求解，用到了梯度下降演算法。具體的證明過程暫時還不知道，只知道了大概意思，作為入門先這樣理解吧，我來寫個總結，當前先有問題引入。 1：問題引入，有類似下面的一組資料（假定有m個這樣的資料）： 吐槽下： […]
what is underdetermined linear system
最近看sparse representation 總是看到一個underdetermined，經過google translate發現解釋不太通順，後來經過wiki查詢，還真有解釋，原來是在一個linear system equation中。如果the count of equation is fe […]
b is not in the spans of the columns of the martix A
最近在看sparse and redundant representation，可能由於不經常看類似文章的問題，有些翻譯按照字面來理解根本無法理解，覺得前後矛盾。在第一頁看到一句話這麼說： 矩陣A式n*m的n小於m，如果b is not in the spans of columns of matr […]
sparse coding稀疏表達入門
最近在看sparse and redundant representations這本書，進度比較慢，不過力爭看過的都懂，不把時間浪費掉。才看完了不到3頁吧，書上基本給出了稀疏表達的概念以及傳統的求法。我也用書中的例子來引入吧。 1：矩陣A(n*m)，其中n遠遠小於m，一副圖片經過縮小或者模糊處理導致 […]
機器學習-學習筆記3.1-區域性加權迴歸
區域性加權緊接著上面的線性迴歸中引數求解來繼續講吧。還是以上面的房屋價格的預測，它的中心思想是在對引數進行求解的過程中，每個樣本對當前引數值的影響是有不一樣的權重的。比如上節中我們的迴歸方程為（這個地方用矩陣的方法來表示Ɵ表示引數，i表示第i個樣本，h為在Ɵ引數下的預測值）： 我們的目標是讓 […]
什麼是機器智慧
這學期又重新修了老闆的機器智慧課程，相比前兩個學年的，這次聽的更認真了，上了第一節課，讓我更加知道了什麼是機器智慧，在這裡做個總結吧，我大概的寫下：1：什麼是智慧智慧是一種知道學習什麼，從什麼地方學習，理解並且能夠和環境進行互動的一種能力。簡單的說智慧就是一種能力。2：智慧來自哪裡智慧來自大腦，它是 […]
淺談PCA 人臉識別
前幾天討論班我講了基於PCA的人臉識別，當時我自己其實也只是知道這個演算法流程，然後基於該演算法利用c 實現了，效果還不錯。後來跟師兄一起討論的時候，才發現這個PCA還是有相當深刻的意義。 PCA的演算法：矩陣C=AAT，A的每一列是一張人臉注（將一張人臉圖片用一個列向量表示，即對於128*128的 […]