機器學習與智慧型優化
機器學習與智慧型優化 之 knn
opencv knn 之 使用方法
機器學習與智慧型優化 之 學習有道
上篇：監督學習
機器學習與智慧型優化 之 線性模型
機器學習與智慧型計算 之 最小二乘法
機器學習與智慧型優化 之 規則、決策樹和森林
opencv 決策樹 之 理論準備機器學習與智慧型優化 之 排序與選擇特徵opencv 決策樹 之 使用方法
opencv 隨機森林使用方法
機器學習與智慧型優化 之 幾個特殊非線性模型
機器學習與智慧型優化 之 淺層和深層神經網路
機器學習與智慧型優化 之 統計學習理論和支援向量機
機器學習與智慧型優化 之 學習也民主
下篇：無監督學習與聚類
機器學習與智慧型優化 之 自頂而下聚類：k均值
機器學習與智慧型優化 之 自底向上（層次）聚類
自組織圖
線性對映降維
用非線性圖視覺化圖和網路
半監督學習
原書鏈結
人工智慧與機器學習 凸優化基礎
計算幾何是對幾何外形資訊的計算機表示分析，研究的物件是幾何圖形。早期人們對於影象的研究一般都是先建立座標系，把圖形轉換成函式，然後用插值和逼近的數學方法，特別是用樣條函式作為工具來分析圖形，取得了可喜的成功。然而，這些方法過多地依賴於座標系的選取，缺乏幾何不變性，特別是用來解決某些大撓度曲線及曲線的...
機器學習系列 Bagging與隨機森林
整合學習演算法有兩個大類 乙個是boosting，代表演算法是adaboost 另乙個是bagging，本文介紹的隨機森林是它的乙個變種。bagging也叫自舉匯聚法 bootstrap aggregating 它在原始資料集上通過有放回抽樣重新選出 t 個包含 m條資料的新資料集來訓練分類器。也就...
機器學習演算法評估與優化策略
2 策略 3 查全率和查準率 precision recall 使用訓練集訓練出10個模型 用10個模型分別對交叉驗證集計算得出交叉驗證誤差 選取代價函式值最小的模型 用步驟3中選出的模型對測試集計算得出推廣誤差 對於回歸模型，我們可以計算代價函式j jj 未正則化 對於分類模型，我們除了可以計算代...