-
流行学习-维基百科
流行学习维基百科，自由的百科全书跳转到导航跳转到搜索流行学习是一类机器学习算法，假设原始数据集位于公共歧管上，它们会在数据集之间产生投影。该概念由Ham，Lee和Saul于2003年首次引入，[1]在涉及高维向量集相关性的一般问题中增加了流形约束。[2]内容1概述2数据间的对应关系3一步与两步对齐4实例级别与功能级别的预测5应用6参考7进一步阅读总览流行学习方式假设由相似的生成过程生成的不同数据集将共享相似的基础歧管表示形式。通过学习从每个原始空间到共享流形的投影，可以恢复对应关系，并将知识从一…
-
贝叶斯定理 - 维基百科
贝叶斯定理维基百科，自由的百科全书跳到导航跳到搜索贝叶斯定理（英语：Bayes'theorem）是几率论中的一个定理，描述在已知一些条件下，某事件的发生几率。比如，如果已知某癌症与寿命有关，使用贝叶斯定理则可以透过得知某人年龄，来更加准确地计算出他罹患癌症的几率。通常，事件A在事件B已发生的条件下发生的几率，与事件B在事件A已发生的条件下发生的几率是不一样的。然而，这两者是有确定的关系的，贝叶斯定理就是这种关系的陈述。贝叶斯公式的一个用途，即透过已知的三个几率而推出第四个几率。贝叶斯定理跟随机变…
-
朴素贝叶斯分类器 - 维基百科
朴素贝叶斯分类器维基百科，自由的百科全书跳到导航跳到搜索在机器学习中，朴素贝叶斯分类器是一系列以假设特征之间强（朴素）独立下运用贝叶斯定理为基础的简单概率分类器（英语：）。朴素贝叶斯自20世纪50年代已广泛研究。在20世纪60年代初就以另外一个名称引入到文本信息检索界中，[1]:488并仍然是文本分类的一种热门（基准）方法，文本分类是以词频为特征判断文件所属类别或其他（如垃圾邮件、合法性、体育或政治等等）的问题。通过适当的预处理，它可以与这个领域更先进的方法（包括支持向量机）相竞争。[2]它在自…
-
蒙特卡罗方法 - 维基百科
蒙特卡罗方法维基百科，自由的百科全书跳到导航跳到搜索蒙特卡罗方法（英语：MonteCarlomethod），也称统计模拟方法，是1940年代中期由于科学技术的发展和电子计算机的发明，而提出的一种以概率统计理论为指导的数值计算方法。是指使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。20世纪40年代，在科学家冯·诺伊曼、斯塔尼斯拉夫·乌拉姆和尼古拉斯·梅特罗波利斯于洛斯阿拉莫斯国家实验室为核武器计划工作时，发明了蒙特卡罗方法。因为乌拉姆的叔叔经常在摩纳哥的蒙特卡洛赌场输钱得名，而蒙特卡罗…
-
马尔可夫决策过程 - 维基百科
马尔可夫决策过程维基百科，自由的百科全书跳转到导航跳转到搜索甲Markov决策过程（MDP）是一个离散时间的随机控制过程。它提供了一个数学框架，用于在结果部分随机且部分受决策者控制的情况下对决策建模。MDP对于研究通过动态规划和强化学习解决的优化问题很有用。MDP至少早在1950年代就已为人所知。[1]马氏决策过程研究的核心是罗纳德·霍华德（RonaldHoward）在1960年出版的《动态规划和马氏过程》一书。。[2]它们用于许多学科，包括机器人技术，自动控制，经济学和制造。MDP的名称来自俄…
-
均值漂移-维基百科
平均移动维基百科，自由的百科全书跳转到导航跳转到搜索均值平移是一种用于定位密度函数最大值的非参数特征空间分析技术，即所谓的模式寻找算法。[1]应用领域包括聚类分析在计算机视觉和图像处理。[2]内容1历史2概述3细节4种内核5应用5.1聚类5.2追踪5.3平滑6个优点7个弱点8可用性9另请参见10参考历史平均移位程序最初由Fukunaga和Hostetler于1975年提出。[3]总览均值偏移是用于定位所述最大值-所述一个程序模式-of密度函数从该函数取样给定的离散数据。[1]这是一种迭代方法，我…
-
卷积神经网络– Cezanne Camacho –机器和深度学习教育者。
塞尚·卡马乔机器和深度学习教育者。关于博客卷积神经网络图像分类对于计算机而言是一项艰巨的任务。卷积神经网络代表了一种数据驱动的方法来应对这一挑战。这篇文章将涉及图像表示以及构成卷积神经网络的各层。神经网络结构这篇文章是关于理解神经网络如何学习对视觉数据进行分类和分类的系列文章中的第二篇。在上一篇文章中，我探讨了神经网络起作用的原因：它们依赖于这样一个事实，即大多数数据可以由一组更小，更简单的功能来表示。神经网络由许多节点组成，这些节点学习如何将训练数据最好地分为类或其他指定的组，并且许多层节点可…
-
卷积神经网络 - 维基百科
卷积神经网络维基百科，自由的百科全书跳到导航跳到搜索卷积神经网络（ConvolutionalNeuralNetwork,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，[1]对于大型图像处理有出色表现。卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（poolinglayer）。这一结构使得卷积神经网络能够利用输入数据的二维结构。与其他深度学习结构相比，卷积神经网络在图像和语音识别方面能够给出更好的结果。这一模型也…
-
经典CNN的基础知识-走向数据科学
@font-face{font-family:'medium-content-serif-font';font-weight:400;font-style:normal;src:url(data:application/font-woff;base64,d09GRgABAAAAAHtkABEAAAABJlgAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAABHUE9TAAB2zAAABFgAABM+/5UfHEdTVUIAAHskAAAAPgAAAEweFjR5T1MvMgAAaQA…
-
机器学习之分类与回归树(CART) - 知乎
首发于谓之小一写文章机器学习之分类与回归树(CART)谓之小一永远相信·美好的事情即将发生143人赞同了该文章由于较多公式，所以我将部分内容转为图片进行上传，请见谅。清晰版请访问https://weizhixiaoyi.com查看，你也可以关注我公众号谓之小一，后台直接向我要pdf版本，如有相关问题直接后台询问，随时回答。1.分类与回归树简介分类与回归树的英文是ClassficationAndRegressionTree，缩写为CART。CART算法采用二分递归分割的技术将当前样本集分为两个子样…