猪猪的机器学习笔记（四）凸优化
凸优化 作者：樱花猪 摘要: 本文为七月算法（julyedu.com）12月机器学习第四次课在线笔记。“凸优化”指的是一种比较特殊的优化，通过“凸优化”我们能够把目标函数转化成一个“凸函数”然后利用凸函数的性质求极值来求解问题。“凸优化”不仅仅在机器学习中有所应用，几乎在 ...
原文：猪猪的机器学习（十六）采样和变分
采样和变分 作者：樱花猪 摘要： 本文为七月算法 julyedu.com 月机器学习第十六次课在线笔记。当我们已知模型的存在，想知道参数的时候我们就可以通过采样的方式来获得一定数量的样本，从而学习到这个系统的参数。变分则是在采样的基础上的一次提升，采用相邻结点的期望。这使得变分往往比采样算法更高效：用一次期望计算代替了大量的采样。直观上，均值的信息是高密 dense 的，而采样值的信息是稀疏 sp ...
2016-05-06 16:22 0 3342 推荐指数：
相关推荐
猪猪的机器学习笔记（一）微积分和概率论
微积分和概率论 作者：樱花猪 摘要： 本文为七月算法（julyedu.com）12月机器学习第一次课在线笔记。本次课以机器学习的观点来看待曾经学过的数学问题，为未来的做机器学习的公式推导做理论基础。主要内容包括高等数学和概率论部分内容。课程通过简单的数学知识串讲，唤起封存已久 ...
机器学习中的 上采样 下采样 过采样 欠采样
1. 过采样和欠采样 这是两种解决分类训练过程中数据量不平衡的采样方法 拿二分类举例，期望阳性样本数量：阴性样本数量 = 1：1，但实际上阳性样本数量：阴性样本数量 = 1000：100 过采样 将100数据复制10份，达到两个样本数量之比为1000：1000 欠采样 将1000数据 ...
猪猪的机器学习笔记（十一）随机森林和提升
随机森林和提升 作者：樱花猪 摘要： 本文为七月算法（julyedu.com）12月机器学习第十一次次课在线笔记。随机森林和提升都是机器学习将弱分类器融合成强分类器的方法。和我们熟悉的另一种机器学习模型SVM相比，这种方法更适合于大数据并且它的计算速度要比SVM快许多 ...
猪猪的机器学习笔记（七）最大熵模型
最大熵模型 作者：樱花猪 摘要： 本文为七月算法（julyedu.com）12月机器学习第七次课在线笔记。熵，这个概念对于我们来说既熟悉又陌生，熟悉的是我们在许多领域都会碰到熵这个概念，陌生的是如果真的让你解释它又说不清道不明。本次课程讨论了熵的概念并详细解释了最大熵模型。这次 ...
猪猪的机器学习（十三）贝叶斯网络
贝叶斯网络 作者：樱花猪 摘要 本文为七月算法（julyedu.com）12月机器学习第十三次次课在线笔记。贝叶斯网络又称信度网络，是Bayes方法的扩展，是目前不确定知识表达和推理领域最有效的理论模型之一。贝叶斯网络适用于表达和分析不确定性和概率性的事件，应用于有条件地依赖多种控制 ...
猪猪的机器学习笔记（十五）主题模型
主题模型 作者：樱花猪 摘要： 本文为七月算法（julyedu.com）12月机器学习第十五次课在线笔记。主题模型是对文字隐含主题进行建模的方法。它克服了传统信息检索中文档相似度计算方法的缺点，并且能够在海量互联网数据中自动寻找出文字间的语义主题。主题模型在自然语言和基于文本 ...
猪猪的机器学习笔记（十八）条件随机场
条件随机场 作者：樱花猪 摘要： 本文为七月算法（julyedu.com）12月机器学习第十八次课在线笔记。条件随机场是一种判别式概率模型，是随机场的一种，常用于标注或分析序列资料，如自然语言文字或是生物序列。 引言： “条件随机场”被用于中文分词 ...