核心 保证一个类只有一个对象，并且提供一个访问该类的全局访问点。 优点 减少系统性能开销，，对象的产生需要较多资源时，如配置文件读取，产生其他依赖对象，可在应用启动时直接产生...
发简信
IP属地：台湾
-
支持向量机（Support Vector Machine）支持向量机 linear regression ， perceptron learning algorithm ， logistics regression都是分类器，我们可...
-
机器学习可行性与VC dimension
机器学习可行性 在银行评估贷款申请人的授信请求前，会进行风险评估。符合申请则通过，反之驳回。长时间的数据和申请使得银行从中找到了一些规律并开始learning，所以风险评估就...
-
ClusterAlgorithm
聚类算法： 聚类算法属于无监督学习，没有给出分类，通过相似度得到种类。 主要会讲四种：Kmeans均值，层次聚类，DBSCAN，谱聚类。 再讲算法前先讲一下几种衡量相似度的方...
-
Aggregation Model : Blending , Bagging , Boosting⑴Motivation of Aggregation 比如现在有一支股票，你不知道是跌还是涨。你有T个friends，每一个friend对应的建议分别是g1,g2,g3......
-
Decision Tree①Aggregation Model 回顾上一篇文章讲到的聚合模型，三个臭皮匠顶一个诸葛亮。于是出现了blending，bagging，boost，stacking。blen...
-
Random ForestRandom Forest——随机森林 上一篇是讲到了决策树，这篇就来讲一下树的集合，随机森林。 ①Aggregation Model 随机森林还是没有脱离聚合模型这块，之前...
-
The Optimization of the Adaboost and Gradient Boosted Decision TreeThe Optimization of the Adaboost 1.对于Adaboost error function的推导 再回到我们上篇文章讲到的Adaboost算法，...
-
Neural Network1.PLA 重新回顾一下一开始学的PLA，preceptron learning Algorithm。PLA适用于二维及高维的线性可分的情况，如果是非线性可分的数据，如果使用...
-
Some methods of deep learning and dimensionality reductionDeep Learning 上一篇主要是讲了全连接神经网络，这里主要讲的就是深度学习网络的一些设计以及一些权值的设置。神经网络可以根据模型的层数，模型的复杂度和神经元的多少大...
-
Radial Basis Function NetworkRBF Network 前面的一篇SVM中，最后的分割函数： 使用高斯核函数方式把数据维度扩展到无限维度进而得到一条粗壮的分界线。 Gaussian函数还有另外一个叫法——径...
-
Matrix FactorizationMatrix Factorization ①linearNetwork Hypothesis 机器学习的作用就是要从一堆数据中学习到学习到某种能力，然后用这种skill来预测...
-
-
EM AlgorithmExpectation Maximization Algorithm EM算法和之前学的都不太一样，EM算法更多的是一种思想，所以后面用几个例子讲解，同时也会重点讲解GMM高...
-
Hidden Markov ModelHMM隐马尔科夫模型 ①通俗的理解 首先举一个例子，扔骰子，有三种骰子，第一个是比较常见的6个面，每一个面的概率都是1/6。第二个只有4个面，，每一个面的概率是1/4。第三个...
-
基于SVM的思想做CIFAR-10图像分类SVM 回顾一下之前的SVM，找到一个间隔最大的函数，使得正负样本离该函数是最远的，是否最远不是看哪个点离函数最远，而是找到一个离函数最近的点看他是不是和该分割函数离的最近的...
