强大的算法 广泛的应用于 工业界和学术界 它被称为支持向量机(Support Vector Machine) 与逻辑回归和神经网络相比 支持向量机 或者简称SVM 在学习复杂的非线性方程时 、 提供了一种更为清晰 更加强大的方式 Logistic回归的替代观点 J(θ)=-(yloghθ(x)+(1 ...
分类：
其他好文 时间：
2017-08-22 13:19:42
阅读次数：
163
作者：桂。 时间：2017-08-22 10:56:45 链接：http://www.cnblogs.com/xingshansi/p/7410846.html 前言 本文主要记录常见的波束形成问题，可以说空间谱估计是波束形成基础上发展而来，在系统论述空间谱之前，有必要分析一些Beamforming ...
分类：
其他好文 时间：
2017-08-22 12:26:29
阅读次数：
364
（整理的简单，公式也没使用公式编辑器。） 对于数据集D={（x1,y1），（x2,y2），...，{xn,yn}} ,而xi= {xi1,xi2,...,xim} 代表m维 。 在线性回归中，我们想学习一个线性的函数 f(x) = w1*x1+w2*x2+w3*x3+...+wm*xm+b . 向量 ...
分类：
其他好文 时间：
2017-08-20 22:40:03
阅读次数：
184
第一问： 采用灰色关联分析（有误差，待优化）： （后三列数据有点问题，不知道咋改了） 方案二：采用贪心思想解决（完美解决） （中英文都可以复原） 第二问：（等待实现）..... ...
分类：
其他好文 时间：
2017-08-20 19:52:19
阅读次数：
854
在这部分我们检验多项式层数d和过拟合和欠拟合之间的关系。 1.我们区分是否是偏差或方差导致我们预测错误。 2.大偏差是欠拟合，大方差是过拟合。理想情况下，我们需要在这两者之间找到中庸之道。 当我们增加多项式的D时，训练误差会减小。 同时，交叉验证误差会随着d增加到一个点而减小，然后随着d的增加而增大 ...
分类：
其他好文 时间：
2017-08-19 21:15:42
阅读次数：
122
1.准备验证码图片 2.将验证码图片转为灰度图 , 扩展名改为.tif 3. 后续步骤参考原先的博客: http://www.cnblogs.com/CoolJayson/p/7395824.html 问题: 生成box文件后, 用jTessBoxEditor修改box文件时, 里面的矩形画的误差较 ...
分类：
其他好文 时间：
2017-08-19 18:37:53
阅读次数：
308
Basis(基础)： MSE(Mean Square Error 均方误差)，LMS(LeastMean Square 最小均方)，LSM(Least Square Methods 最小二乘法)，MLE(MaximumLikelihood Estimation最大似然估计)，QP(Quadratic ...
分类：
其他好文 时间：
2017-08-19 18:34:39
阅读次数：
191
本文摘自 Streiner DL.Maintaining standards: differences between the standard deviation and standarderror, and when to use each. Can J Psychiatry 1996; 41: ...
分类：
其他好文 时间：
2017-08-18 11:49:19
阅读次数：
192
1.前言g2o是根据边来保存每一个代价函数，它是在边类中构造误差函数，构造边的时候，会设置顶点、测量值、协方差矩阵等。而在ceres中，用problem类型来构造最终的目标函数。先是使用AddResidualBlock来添加代价函数，代价函数和核函数等构造成目标函数。在ceres中，代价函数就是误差 ...
分类：
其他好文 时间：
2017-08-17 21:29:45
阅读次数：
709
这篇博客主要记录了Andrew Ng课程第五章应用机器学习的建议，主要介绍了在测试新数据出现较大误差该怎么处理，这期间讲到了数据集的分类，偏差，方差，学习曲线等概念，帮助我们去理解结果，然后做出相应的措施。 ...
分类：
其他好文 时间：
2017-08-16 00:49:21
阅读次数：
167
