原创 機器學習(西瓜書)註解:第4章 決策樹
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
原创 機器學習(西瓜書)註解:第13章 半監督學習
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
原创 機器學習(西瓜書)註解:第3章 線性模型
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”;
原创 機器學習(西瓜書)註解:第10章 降維與度量學習
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
原创 機器學習(西瓜書)註解:第6章 支持向量機
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
原创 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
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
原创 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)
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
原创 貝葉斯網絡結構學習方法簡介
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
原创 同倫法(Homotopy Method)
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
原创 貝葉斯網絡結構學習之MCMC算法(基於FullBNT-1.0.4的MATLAB實現)
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:
原创 貝葉斯網絡結構學習之連續參數處理方法
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
原创 有關屬性離散化算法CACC的再次補充說明
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
原创 貝葉斯網絡與最大可能解釋(MPE)問題
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
原创 貝葉斯網絡參數學習(基於FullBNT-1.0.4的MATLAB實現)
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
原创 貝葉斯網絡推理算法簡單羅列
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-