前段时间放假在家的时候，总算是看完了斯坦福的机器学习公开课（Andrew NG）的监督学习，这项计划持续了将近一个学期。无监督学习和强化学习部分暂时还不太想看，目前来说监督学习与我现在的情况更契合一些。看完监督学习部分，对机器学习的了解又深了一些，加上之前帮师兄做实验，从工程角度和理论角度共同推进，...
分类：
其他好文 时间：
2015-08-11 18:31:04
阅读次数：
168
此文是斯坦福大学，机器学习界 superstar — Andrew Ng 所开设的 Coursera 课程：Machine Learning 的课程笔记。力求简洁，仅代表本人观点，不足之处希望大家探讨。...
分类：
系统相关 时间：
2015-08-11 01:25:45
阅读次数：
390
总结斯坦福2015李飞飞教授以及Andrej Karpathy教授的上课的slides中关于CNN的一些内容一：神经网络实验的基本策略：1.对输入数据进行预处理：
2.网络结构和数据集设置：（1）-随机初始化weights为一些比较小的数（fan-in，fan-out），bias设置为0（2）-利用好cv集，可以在少量epoch的结果下选择最好的params，然后进行更多的epoch3.分析实验结...
分类：
其他好文 时间：
2015-08-09 20:44:59
阅读次数：
222
从上一篇文章可知支持向量(supervector)就是指的离分隔超平面最近的那些点。整个SVM最需要的步骤是训练分类器，得到alpha，从而得到整个用于数据分类的分隔超平面。支持向量机（super vector machine，SVM）的一般应用流程如下：
（1） 收集数据：可以使用任意方法
（2） 准备数据：需要数值型数据
（3） 分析数据：有助于可视化分隔超...
分类：
其他好文 时间：
2015-08-06 15:07:32
阅读次数：
97
SNAP，全称Standford Network Analysis Project，是斯坦福大学提供的一个功能非常强大的开源工具。这个工具主要用于复杂网络领域的研究工作，它的出现实为科研人员的福音。折腾了半天，觉得这东西的确是很好很强大，对斯坦福、对开源精神充满无限敬意。...
分类：
编程语言 时间：
2015-08-04 17:15:35
阅读次数：
187
一、感知器算法和LMS算法 感知器和自适应线性元件在历史上几乎是同时提出的，并且两者在对权值的调整的算法非常相似。它们都是基于纠错学习规则的学习算法。 感知器算法存在如下问题：不能推广到一般的前向网络中；函数不是线性可分时，得不出任何结果。 而由美国斯坦福大学的Widrow和Hoff在研究自适...
分类：
编程语言 时间：
2015-08-03 18:41:35
阅读次数：
125
原文标题：Friendship and Mobility: User Movement In Location-Based Social Networks
作者单位：斯坦福大学 发表日期：2011年
会议：第十七届 ACM SIGKDD 国际会议——知识发现和数据挖掘
引用：Cho E, Myers S A, Leskovec J. Friendship and mobility: u...
分类：
移动开发 时间：
2015-08-01 23:37:26
阅读次数：
680
SVM被许多人认为是有监督学习中最好的算法，去年的这个时候我就在尝试学习。不过，面对长长的公式和拗口的中文翻译最终放弃了。时隔一年，看到Andrew讲解SVM，总算对它有了较为完整的认识，总体思路是这样的：1.介绍间隔的概念并重新定义符号；2.分别介绍functional margins与geom...
分类：
系统相关 时间：
2015-07-31 14:34:46
阅读次数：
195
我反对理由如下：不管是斯坦福大学的CS193p公开课、苹果官方文档、绝大多数市场上庞杂的教学书籍都不是很适合入门同学看，想入门的话应该选用学习成本最低的方法，从最最基本开始讲起，并不是一味的讲解语法与知识，而是一边实践一边学习知识才是最好的学习方法。并且我想告诉题主，你问的是iOS 开发怎么入门，但...
分类：
移动开发 时间：
2015-07-31 14:30:03
阅读次数：
167
此文是斯坦福大学，机器学习界 superstar — Andrew Ng 所开设的 Coursera 课程：Machine Learning 的课程笔记。力求简洁，仅代表本人观点，不足之处希望大家探讨。
课程网址：https://www.coursera.org/learn/machine-learning/home/welcome...
分类：
系统相关 时间：
2015-07-29 19:22:48
阅读次数：
220
