台部落jbb0523

機器學習（西瓜書）註解：第4章決策樹本次更新第4章，決策樹。針對該章註解有任何問題歡迎在此留言~ 本章作爲西瓜書“介紹經典而常用的機器學習方法”的開篇，通篇以“西瓜”爲例進行講解，通俗易懂。個人感覺最可

2018-10-27 05:57:02

機器學習（西瓜書）註解：第13章半監督學習本次更新第13章，半監督學習。針對該章註解有任何問題歡迎在此留言~ 監督學習和無監督學習是機器學習的兩個學習範型(paradigm)。對於監督學習來說，要求訓練

2018-10-27 05:57:02

題目：機器學習（西瓜書）註解：第3章線性模型本次更新第3章，線性模型。針對該章註解有任何問題歡迎在此留言~ 本章是全書第1部分（介紹機器學習基礎知識）的最後一章，章節標題爲“線性模型”；

2018-09-30 12:34:25

題目：機器學習（西瓜書）註解：第10章降維與度量學習本次更新第10章，降維與度量學習。針對該章註解有任何問題歡迎在此留言~ 從該章目錄中可以看出10.2節至10.5節均爲降維方法，其中10.2節的MDS和

2018-09-26 05:20:26

題目：機器學習（西瓜書）註解：第6章支持向量機經常聽人說南大周老師所著的《機器學習》（以下統稱爲西瓜書）是一本入門教材，是一本科普性質的教科書。在該書第十次印刷之際，周老師在“如何使用本書”中也提到“這是一本入門級教科書”。然而，本人

2018-09-13 06:04:26

題目：由LIBSVM的svmtrain輸出結果得到分類超平面的法向量w和偏移項b 相信很多人都會使用LIBSVM軟件包，svmtrain和svmpredict兩個函數分別完成訓練和預測：svmtrain輸出訓練模型，然將將訓

2018-08-21 23:09:32

題目：貝葉斯網絡推理之最大可能解釋問題（基於FullBNT-1.0.4的MATLAB實現）看本篇前，如果對最大可能解釋的概念不汪楚，可以閱讀《貝葉斯網絡與最大可能解釋(MPE)問題》，如果想簡單瞭解貝葉斯網絡推理算法，可以

2018-08-21 23:09:31

題目：貝葉斯網絡結構學習方法簡介貝葉斯網絡（Bayesiannetwork, BN）結構學習就是從給定的數據集中學出貝葉斯網絡結構，即各節點之間的依賴關係；只有確定了結構才能繼續學得網絡參數，即表示各節點之間依賴強弱的條件

2018-08-21 23:09:25

題目：同倫法（Homotopy Method）學習壓縮感知重構算法，經常能見到同倫法，但這裏首先要特別說明的是，今天這裏討論的同倫法僅僅是一種思想，而不是一個具體的算法，類似於Majorization-Minimizat

2018-08-21 23:09:24

題目：貝葉斯網絡結構學習之MCMC算法（基於FullBNT-1.0.4的MATLAB實現）有關貝葉斯網絡結構學習的一基本概念可以參考：貝葉斯網絡結構學習方法簡介有關函數輸入輸出參數的解釋可以參考：

2018-08-21 23:09:24

題目：貝葉斯網絡結構學習之連續參數處理方法注：本文有更新，參見《有關屬性離散化算法CACC的補充說明》和《有關屬性離散化算法CACC的再次補充說明》。以下爲原文：首先必須說明

2018-08-21 23:09:24

題目：有關屬性離散化算法CACC的再次補充說明在《貝葉斯網絡結構學習之連續參數處理方法》中，開篇就提到“首先必須說明：嚴格來說，這不是一篇完整的文檔，因爲文檔最後並沒有給出確定的結果，至少個人不認爲文檔引用的幾個程序一定是

2018-08-21 23:09:24

題目：貝葉斯網絡與最大可能解釋(MPE)問題近來學習貝葉斯網絡推理(inference，或譯爲推斷)，看到了最大可能解釋（MostProbable Explanation, MPE）這個概念，感覺有些困惑，於是查了一些資

2018-08-21 23:09:24

題目：貝葉斯網絡參數學習（基於FullBNT-1.0.4的MATLAB實現）貝葉斯網絡學習分爲結構學習和參數學習，前面用三篇分別介紹了兩個工具箱共三個貝葉斯網絡結構學習方法：貝葉斯網絡結構學習之K2算法（基

2018-08-21 23:09:24

題目：貝葉斯網絡推理算法簡單羅列上一篇《貝葉斯網絡與最大可能解釋(MPE)問題》理清了最大可能解釋（Most Probable Explanation, MPE）的概念，接下來準備在MATLAB中基於工具箱FullBNT-

2018-08-21 23:09:24