转载：http://blog.csdn.net/v_july_v/article/details/40738211 0 引言 11月1日上午，机器学习班第7次课，邹博讲聚类（PPT），其中的谱聚类引起了自己的兴趣，他从最基本的概念：单位向量、两个向量的正交、方阵的特征值和特征向量，讲到相似度图、拉普...
分类：
其他好文 时间：
2014-12-19 11:57:00
阅读次数：
311
专业既然是机器学习，那工作肯定也是继续和数据打交道，那么问题来了，很多时候推荐算法和数据挖掘算法都是现成可用的，平台初建，重点还在数据过滤和抽取，怎样高效的抽取数据？
利用往常算法比赛中常用的字符串处理方法吗，omg，维护它是一个淡淡疼的忧伤。
那么，重点来了，正则表达式，干净利落。
模版如下：
//step1,set reg string
String r...
分类：
编程语言 时间：
2014-12-19 00:41:32
阅读次数：
265
链接：http://pan.baidu.com/s/1c0AM3g0 密码：uccw今天补充 创建物体 移动物体 ，当点击创建后 ，会出来一个 上图的 ui，他跟随 物体，当你把物体拖动到 指定的地方，可以按 勾，也可以按× 取消他。物体间 碰撞 会返回原地。代码自己看吧，都是之前 讲到的 一些技术...
分类：
其他好文 时间：
2014-12-19 00:23:26
阅读次数：
226
离散数学的定义及其在各学科领域的重要作用。离散数学(Discrete mathematics)是研究离散量的结构及其相互关系的数学学科，是现代数学的一个重要分支。它在各学科领域，特别在计算机科学与技术领域有着广泛的应用，同时离散数学也是计算机专业的许多专业课程，如程序设计语言、数据结构、操作系统、编译技术、人工智能、数据库、算法设计与分析、理论计算机科学基础等必不可少的先行课程。通过离散数学的学习，不但可以掌握处理离散结构的描述工具和方法，为后续课程的学习创造条件，而且可以提高抽象思维和严格的逻辑推理能力，...
分类：
其他好文 时间：
2014-12-18 22:25:59
阅读次数：
320
引言
上一小节，我们引入了VC维的概念，用它来描述假设集合的表达能力。这一小节中，我们将从VC维的物理意义出发，进一步学习如何根据VC维传达的信息来选择模型和假设集合。
VC维的物理意义
如果我们将假设集合的数量|H|比作假设集合的自由度，那么VC维就是假设集合在做二元分类的有效的自由度，即这个假设空间能够产生多少Dichotomies的能力（VC维说的是，到什么时候，假设集合还...
分类：
其他好文 时间：
2014-12-18 20:46:50
阅读次数：
314
第四讲介绍了机器学习是否可行的问题。1. 从给定的资料D中，找出一个接近目标f的假设g是可行的。比如PLA。但是，找到的这个g能否用于D以外的地方，这就难说了。2. Hoeffding's inequality回答了g是否能用于D以外的问题： （1）In probability theory, H....
分类：
其他好文 时间：
2014-12-18 20:27:01
阅读次数：
384
Awesome CPP，这又是一个 Awesome XXX 系列的资源整理，由 fffaraz 发起和维护。内容包括：标准库、Web应用框架、人工智能、数据库、图片处理、机器学习、日志、代码分析等。伯乐在线推荐几篇相关文章：《C++程序员的阅读清单》、《我推荐的一些C\C++书籍》 、《C++11标...
分类：
编程语言 时间：
2014-12-18 14:53:19
阅读次数：
534
1. 算法背景介绍分类树（决策树）是一种十分常用的分类方法。它是一种监管学习，所谓监管学习说白了很简单，就是给定一堆样本，每个样本都有一组属性和一个类别，这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为监督学习。C4.5分类树就是...
分类：
编程语言 时间：
2014-12-18 11:53:35
阅读次数：
336
前言 本文介绍机器学习分类算法中的K-近邻算法并给出伪代码，Python代码实现。算法原理 首先获取训练集中与目标对象距离最近的k个对象，然后再获取这k个对象的分类标签，求出其中出现频数最大的标签。 这个标签就是分类的结果。伪代码 对训练集中的每个点做以下操作： 1. 计算已知类别数据...
分类：
编程语言 时间：
2014-12-18 11:39:03
阅读次数：
203
考虑一个代价函数C , 它根据参数向量
计算出当前迭代模型的代价，记作C().
机器学习中，我们的任务就是得到代价的最小值，在机器学习中代价函数通常是损失函数的均值，或者是它的数学期望。见下图：
这个叫做泛化损失，在监督学过程中，我们知道z=(x,y) ,并且 f（x)
是对y的预测。
什么是这里的梯度呢？
当 是标量的时候，代价函数的梯度可表示如下：
当...
分类：
其他好文 时间：
2014-12-17 22:43:44
阅读次数：
323
