機器學習&數據挖掘筆記_15（關於凸優化的一些簡單概念）
沒有系統學過數學優化，但是機器學習中又常用到這些工具和技巧，機器學習中最常見的優化當屬凸優化了，這些可以參考Ng的教學資料：http://cs229.stanford.edu/section/cs229-cvxopt.pdf，從中我們可以大致了解到一些凸優化的概念，比如凸集，凸函數，凸 ...
原文：機器學習&數據挖掘筆記_9(一些svm基礎知識)
前言： 這次的內容是Ng關於machine learning關於svm部分的一些筆記。以前也學過一些svm理論，並且用過libsvm，不過這次一聽Ng的內容，確實收獲不少，隱約可以看到從logistic model到svm model的過程。 基礎內容： 使用linear模型進行分類時，可以將參數向量看成一個變量，如果代價函數用MSE表示，則代價函數的圖形類似拋物線 以新的變量為自變量 如果代價 ...
2013-05-26 23:01 3 10356 推薦指數：
相關推薦
機器學習概率論的一些基礎知識
概率論的一些基礎知識 條件概率 \(P(B|A) = \frac{1}{3}\) 表示的意思為當A發生的時候，B發生的概率 有公式 \[P(B|A) = \frac{P(AB)}{P(A)} \] \[P(AB) = P(B|A)*P(A)=P(A|B)*P(B ...
常見的機器學習&數據挖掘知識點
原文：http://blog.csdn.net/heyongluoyao8/article/details/47840255 常見的機器學習&數據挖掘知識點 轉載請說明出處 Basis(基礎)： SSE(Sum of Squared Error, 平方誤差 ...
談談數據挖掘和機器學習
談談數據挖掘和機器學習 又是好長時間沒有寫博客了，最近周末事情太多，明天勞動節終於可以讓我們勞動人民休息一天了。首先聲明的是本人並非數據挖掘和機器學習的高手，只是作為業余興趣剛剛開始研究，據我所知好多朋友也和我一樣對這方面的東西感興趣，個人認為機器人技術是未來發展的方向。雖然我的專業是軟件開發 ...
數據挖掘和機器學習概述
一、數據挖掘任務 數據挖掘常見的六大任務： 1.分類問題 2.聚類問題 3.回歸問題 4.關聯問題 5.序列問題 6.異常檢測 二、數據挖掘流程 CRISP-DM：跨行業數據挖掘標准流程 ...
我的機器學習/數據挖掘的書單
李航的《統計學習方法》 這本書開篇第一章寫得特別好，各個模型的算法推導也比較全，基本涵蓋了比較經典的判別模型和生成模型。 《機器學習實戰》 這本書代碼和應用特別多，了解python用法和機器學習算法的代碼實現非常方便。 項亮的《推薦系統實踐》 這本書個人感覺偏理論一點，偽代碼 ...
數據挖掘——學習筆記（機器學習--監督，非監督，半監督學習）
http://blog.sina.com.cn/s/blog_627a4f560100xmj1.html 在機器學習(Machine learning)領域，監督學習(Supervised learning)、非監督學習(Unsupervised learning)以及半監督學習 ...
機器學習&數據挖掘筆記_24（PGM練習八：結構學習）
前言： 本次實驗包含了2部分：貝葉斯模型參數的學習以及貝葉斯模型結構的學習，在前面的博文PGM練習七：CRF中參數的學習 中我們已經知道怎樣學習馬爾科夫模型(CRF)的參數，那個實驗采用的是優化方法，而這里貝葉斯模型參數的學習是先假定樣本符合某種分布，然后使用統計 ...