銘戈棧 - 簡(jiǎn)書

發(fā)簡(jiǎn)信

銘戈棧

6
關(guān)注
2
粉絲
5
文章
1882

字?jǐn)?shù)
12

收獲喜歡
1

總資產(chǎn)

IP屬地：湖南

銘戈棧

單例模式
核心保證一個(gè)類只有一個(gè)對(duì)象，并且提供一個(gè)訪問該類的全局訪問點(diǎn)吗货。優(yōu)點(diǎn) 減少系統(tǒng)性能開銷，狈网，對(duì)象的產(chǎn)生需要較多資源時(shí)宙搬，如配置文件讀取，產(chǎn)生其他依賴對(duì)象拓哺，可在應(yīng)用啟動(dòng)時(shí)直接產(chǎn)生...

會(huì)走路的胃袋
187 0 1 1
銘戈棧

單例模式
核心保證一個(gè)類只有一個(gè)對(duì)象勇垛，并且提供一個(gè)訪問該類的全局訪問點(diǎn)。優(yōu)點(diǎn) 減少系統(tǒng)性能開銷士鸥，闲孤，對(duì)象的產(chǎn)生需要較多資源時(shí)，如配置文件讀取烤礁，產(chǎn)生其他依賴對(duì)象讼积，可在應(yīng)用啟動(dòng)時(shí)直接產(chǎn)生...

會(huì)走路的胃袋
187 0 1 1

銘戈棧

會(huì)走路的胃袋
寫了 12454 字，被 4 人關(guān)注脚仔，獲得了 29 個(gè)喜歡
銘戈棧

進(jìn)擊云原生
寫了 125014 字勤众，被 226 人關(guān)注，獲得了 708 個(gè)喜歡
銘戈棧

支持向量機(jī)（Support Vector Machine）
支持向量機(jī) linear regression 鲤脏， perceptron learning algorithm 们颜， logistics regression都是分類器，我們可...

冒綠光的盒子
2871 0 12
銘戈棧

機(jī)器學(xué)習(xí)可行性與VC dimension
機(jī)器學(xué)習(xí)可行性在銀行評(píng)估貸款申請(qǐng)人的授信請(qǐng)求前猎醇，會(huì)進(jìn)行風(fēng)險(xiǎn)評(píng)估窥突。符合申請(qǐng)則通過，反之駁回姑食。長(zhǎng)時(shí)間的數(shù)據(jù)和申請(qǐng)使得銀行從中找到了一些規(guī)律并開始learning波岛，所以風(fēng)險(xiǎn)評(píng)估就...

冒綠光的盒子
1749 0 4
銘戈棧

ClusterAlgorithm
聚類算法：聚類算法屬于無監(jiān)督學(xué)習(xí)，沒有給出分類音半，通過相似度得到種類则拷。主要會(huì)講四種：Kmeans均值，層次聚類曹鸠，DBSCAN煌茬，譜聚類。再講算法前先講一下幾種衡量相似度的方...

冒綠光的盒子
457 0 4

銘戈棧

Aggregation Model : Blending , Bagging , Boosting
⑴Motivation of Aggregation 比如現(xiàn)在有一支股票彻桃，你不知道是跌還是漲坛善。你有T個(gè)friends，每一個(gè)friend對(duì)應(yīng)的建議分別是g1,g2,g3......

冒綠光的盒子
1230 0 3
銘戈棧

Decision Tree
①Aggregation Model 回顧上一篇文章講到的聚合模型，三個(gè)臭皮匠頂一個(gè)諸葛亮眠屎。于是出現(xiàn)了blending剔交，bagging，boost改衩，stacking岖常。blen...

冒綠光的盒子
1766 0 4
銘戈棧

Random Forest
Random Forest——隨機(jī)森林上一篇是講到了決策樹，這篇就來講一下樹的集合葫督，隨機(jī)森林竭鞍。 ①Aggregation Model 隨機(jī)森林還是沒有脫離聚合模型這塊，之前...

冒綠光的盒子
3016 0 3
銘戈棧

The Optimization of the Adaboost and Gradient Boosted Decision Tree
The Optimization of the Adaboost 1.對(duì)于Adaboost error function的推導(dǎo) 再回到我們上篇文章講到的Adaboost算法橄镜，...

冒綠光的盒子
663 0 2
銘戈棧

Neural Network
1.PLA 重新回顧一下一開始學(xué)的PLA偎快，preceptron learning Algorithm。PLA適用于二維及高維的線性可分的情況洽胶，如果是非線性可分的數(shù)據(jù)晒夹，如果使用...

冒綠光的盒子
3089 0 3

銘戈棧

Some methods of deep learning and dimensionality reduction
Deep Learning 上一篇主要是講了全連接神經(jīng)網(wǎng)絡(luò)，這里主要講的就是深度學(xué)習(xí)網(wǎng)絡(luò)的一些設(shè)計(jì)以及一些權(quán)值的設(shè)置妖异。神經(jīng)網(wǎng)絡(luò)可以根據(jù)模型的層數(shù)惋戏，模型的復(fù)雜度和神經(jīng)元的多少大...

冒綠光的盒子
622 0 4
銘戈棧

Radial Basis Function Network
RBF Network 前面的一篇SVM中领追，最后的分割函數(shù)：使用高斯核函數(shù)方式把數(shù)據(jù)維度擴(kuò)展到無限維度進(jìn)而得到一條粗壯的分界線他膳。 Gaussian函數(shù)還有另外一個(gè)叫法——徑...

冒綠光的盒子
3545 0 5
銘戈棧

Matrix Factorization
Matrix Factorization ①linearNetwork Hypothesis 機(jī)器學(xué)習(xí)的作用就是要從一堆數(shù)據(jù)中學(xué)習(xí)到學(xué)習(xí)到某種能力，然后用這種skill來預(yù)測(cè)...

冒綠光的盒子
6172 0 8
銘戈棧

Finale
Feature Exploitation Techniques 這幾篇博客介紹的第一個(gè)feature transform方法就是kernel绒窑。kernel先出現(xiàn)是在SVM里面...

冒綠光的盒子
422 0 3
銘戈棧

EM Algorithm
Expectation Maximization Algorithm EM算法和之前學(xué)的都不太一樣棕孙，EM算法更多的是一種思想，所以后面用幾個(gè)例子講解些膨，同時(shí)也會(huì)重點(diǎn)講解GMM高...

冒綠光的盒子
1198 0 5

銘戈棧

Hidden Markov Model
HMM隱馬爾科夫模型 ①通俗的理解首先舉一個(gè)例子蟀俊，扔骰子，有三種骰子订雾，第一個(gè)是比較常見的6個(gè)面肢预，每一個(gè)面的概率都是1/6。第二個(gè)只有4個(gè)面洼哎，烫映，每一個(gè)面的概率是1/4。第三個(gè)...

冒綠光的盒子
2115 1 8
銘戈棧

基于SVM的思想做CIFAR-10圖像分類
SVM 回顧一下之前的SVM噩峦，找到一個(gè)間隔最大的函數(shù)锭沟，使得正負(fù)樣本離該函數(shù)是最遠(yuǎn)的，是否最遠(yuǎn)不是看哪個(gè)點(diǎn)離函數(shù)最遠(yuǎn)识补，而是找到一個(gè)離函數(shù)最近的點(diǎn)看他是不是和該分割函數(shù)離的最近的...

冒綠光的盒子
6478 0 5