原创 增強拉格朗日乘子法
覺得講的最好的博文是下面這一篇: https://blog.csdn.net/xianlingmao/article/details/7919597 不等式約束的方程先最小化x再最大化參數,這種形式與目標方程是等價的但是方便於計算,所以寫
2020-06-15 03:12:18
3
原创 latex常用總結
一行居中輸入多個矩陣 \centering {\begin{matrix} X=\begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix} & H = \frac{1}{\s
2020-06-15 03:12:18
原创 Task5 模型結果融合
5.1 模型融合目標 5.2 內容介紹 5.3 代碼實戰 5.3.1 模型定義 5.3.2 劃分數據集進行訓練和預測 5.3.3 簡單加權融和 5.3.4 Stacking 融合 5.4 經驗總結 Task5 模型結果融合 5.1 模型融
2020-06-15 03:12:18
原创 天池大賽第一次打卡-3.23
一、賽題數據 賽題以預測二手車的交易價格爲任務，數據集報名後可見並可下載，該數據來自某交易平臺的二手車交易記錄，總數據量超過40w，包含31列變量信息，其中15列爲匿名變量。爲了保證比賽的公平性，將會從中抽取15萬條作爲訓練集，5萬條作爲
2020-06-15 03:12:18
原创 數據挖掘,人工智能,機器學習會議總結
AI會議的總結（by南大周志華） https://blog.csdn.net/lifeitengup/article/details/8441054 https://blog.csdn.net/lyb3b3b/article/detail
2020-06-15 03:12:18
原创 ADMM深入理解並在論文裏面應用
ADMM和ALM的區別 https://blog.csdn.net/shanglianlm/article/details/46808793 拉格朗日對偶: https://www.cnblogs.com/90zeng/p/Lagra
2020-06-15 03:12:18
1
原创 深度之眼4.10打卡聚類
K-Means算法的實現 首先在Matlab中Kmeans算法有相應的函數- https://www.mathworks.com/help/stats/kmeans.html 下面根據原理自己寫一份kmeans % 利用K-均值聚類的原
2020-06-15 03:12:18
原创 3.31--Task4:建模與調參
Datawhale 零基礎入門數據挖掘-Task4 建模調參 四、建模與調參 Tip:此部分爲零基礎入門數據挖掘的 Task4 建模調參 部分，帶你來了解各種模型以及模型的評價和調參策略，歡迎大家後續多多交流。 賽題：零基礎入門數據挖掘
2020-06-15 03:12:18
原创 深度學習打卡作業
分析前饋神經網絡、卷積神經網絡和循環神經網絡的異同點。 前饋神經網絡 常規前饋神經網絡（FNN）。該網絡不考慮輸入數據可能具備的任何特定結構。儘管如此，它仍是非常強大的機器學習工具，尤其是與先進的正則化技術一起使用時。這些技術（稍後將會介
2020-05-08 23:37:35
原创 譜聚類的數學解釋
1.什麼是拉普拉斯矩陣 L=D-W 其中D是度矩陣，(有的論文稱這能代表節點的顯著性程度，即節點的度越大，說明該節點在圖中的顯著性越大)，只在主對角線上面有值，在其餘位置都是0。W是通過樣本點構建的基於全連接的相似度矩陣，那麼L是一個什麼
2020-05-04 06:18:08
原创 Spectral Clustering by Joint Spectral Embedding and Spectral Rotation
orthonormal matrix 正交矩陣的定義 如果： 或 （則n階實矩陣A稱爲正交矩陣） 正交矩陣的性質 1 是正交矩陣 2 A的各行是單位向量且兩兩正交 3 A的各列是單位向量且兩兩正交
2020-05-04 06:18:08
原创 CV Task6
Datawhale 計算機視覺基礎-圖像處理（上）- Task06 邊緣檢測 6.1 簡介 6.1.1 什麼是邊緣？ 邊緣是圖像強度函數快速變化的地方 6.1.2 如何檢測邊緣？ 爲了檢測邊緣，我們需要檢測圖像中的不連續性，可以使用導數來
2020-05-02 02:59:55
原创 機器學習 Task5
SVM 支持向量機（SVM）——原理篇 https://zhuanlan.zhihu.com/p/31886934 svm知乎話題 https://www.zhihu.com/topic/19583524/top-answers 學習SV
2020-05-01 16:58:39
原创 cv Task5
圖像分割/二值化 Datawhale 計算機視覺基礎-圖像處理（上）-Task05 圖像分割/二值化 5.1 簡介 該部分的學習內容是對經典的閾值分割算法進行回顧，圖像閾值化分割是一種傳統的最常用的圖像分割方法，因其實現簡單、計算量小、性
2020-05-01 16:58:39
原创 機器學習 Task4
條件隨機場 相關鏈接 如何直觀地理解條件隨機場，並通過PyTorch簡單地實現 https://baijiahao.baidu.com/s?id=1600510002841663634&wfr=spider&for=pc 條件隨機場(CR
2020-04-29 00:12:34