一些知識點的初步理解_8(Graph Cuts,ing...)
Graph cuts是一種十分有用和流行的能量優化算法，在計算機視覺領域普遍應用於前背景分割（Image segmentation）、立體視覺（stereo vision）、摳圖（Imag ...
原文：一些知識點的初步理解_6(核函數,ing...)
在SVM中經常聽說核函數，關於各種核函數的推導公式寫得天花亂墜。SVM大概意思是說將低維不可分的樣本映射到高維空間中后就線性可分了，由於最后用訓練出來的模型進行分類預測 時需要求高維空間中映射特征間的內積，而核函數的功能就是我們計算時不需要考慮高維空間的具體形式，降低了其計算復雜度。 下面就簡單講講核函數的作用，當然這里是以 分類器為例。 首先我們需要了解我們的目的是用訓練樣本學習到一個線性的表 ...
2012-07-18 16:35 0 3632 推薦指數：
相關推薦
一些知識點的初步理解_4(協方差矩陣,ing...)
每次看公式用到協方差矩陣時，要跑去網站上看一下協方差矩陣的定義，當然一看就能看明白，可是到了下次再碰到時，不查資料又卡住了，卡在那里令人糾結，這只能說明沒有真正理解協方差矩陣。這次順便做下筆記，加深下理解。 首先要清楚一般出現協方差矩陣時就會出現多維列向量，這里假設為n維 ...
一些知識點的初步理解_7(隨機森林,ing...)
在機器學習中，隨機森林由許多的決策樹組成，因為這些決策樹的形成采用了隨機的方法，因此也叫做隨機決策樹。隨機森林中的樹之間是沒有關聯的。當測試數據進入隨機森林時，其實就是讓每一顆決策樹進行分類 ...
一些知識點的初步理解_1(集成學習,ing...)
最近在看一些集成學習方面的知識，其中南京大學的周志華教授寫的幾篇關於集成學習綜述性的文章還不錯。看了下對集成學習有了一個初步的了解，如下： 集成學習是機器學習中一個非常重要且熱門的分支，是用多個弱分類器構成一個強分類器，其哲學思想是“三個臭皮匠賽過諸葛亮”。一般的弱分類器 ...
一些知識點的初步理解_2(流形學習,ing...)
一. 流形學習的英文名為manifold learning。其主要思想是把一個高維的數據非線性映射到低維，該低維數據能夠反映高維數據的本質，當然有一個前提假設就是高維觀察數據存在流形結構，其優點是非參 ...
一些知識點的初步理解_5(梯度下降,ing...)
梯度下降法又叫最速下降法，英文名為steepest descend method.估計搞研究的人應該經常聽見這個算法吧，用來求解表達式最大或者最小值的，屬於無約束優化問題。 首先我們應該清楚，一個多元函數的梯度方向是該函數值增大最陡的方向。具體化到1元函數中時，梯度方向 ...
關於SVM的一些知識點
，學習一個線性分類器，叫線性支持向量機 3-當訓練數據線性不可分的時候，通過使用核技巧以及軟間隔最大化， ...