1、核函数概述：核函数通俗的来说是通过一个函数将向量的低维空间映射到一个高维空间，从而将低维空间的非线性问题转换为高维空间的线性问题来求解，从而再利用之前说的一系列线性支持向量机，常用的核函数如下：多项式核函数： 高斯核函数： 比如硬间隔种的目标函数为： ...
分类：
其他好文 时间：
2015-07-22 22:36:11
阅读次数：
320
这一节讲的是核化的SVM，Andrew Ng的那篇讲义也讲过，讲的也不错。 首先讲的是kernel trick，为了简化将低维特征映射高维特征后的计算，使用了核技巧。讲义中还讲了核函数的判定，即什么样的函数K能使用kernel trick。此外，核函数还可以衡量两个特征的相似度，值...
分类：
系统相关 时间：
2015-07-20 21:31:27
阅读次数：
165
这节课讲的是SVM的对偶问题，比较精彩的部分：为何要使用拉格朗日乘子以及如何进行对偶变换。 参考：http://www.cnblogs.com/bourneli/p/4199990.html http://www.cnblogs.com/xbf9xbf/p/4619866.html
分类：
系统相关 时间：
2015-07-18 12:14:26
阅读次数：
170
一、Rank ScoresWrite a SQL query to rank scores. If there is a tie between two scores, both should have the same ranking. Note that after a tie, the nex...
分类：
数据库 时间：
2015-07-17 20:51:36
阅读次数：
156
极其淡腾的一学期终于过去了，暑假打算学下台大的这门机器学习技法。 第一课是对SVM的介绍，虽然之前也学过，但听了一次感觉还是很有收获的。这位博主总结了个大概，具体细节还是要听课：http://www.cnblogs.com/bourneli/p/4198839.html 这位博主总结的...
分类：
其他好文 时间：
2015-07-17 13:27:23
阅读次数：
118
应该是去年的这个时候，我开始接触机器学习的相关知识，当时的入门书籍是《数据挖掘导论》。囫囵吞枣般看完了各个知名的分类器：决策树、朴素贝叶斯、SVM、神经网络、随机森林等等；另外较为认真地复习了统计学，学习了线性回归，也得以通过orange、spss、R做一些分类预测工作。可是对外说自己是搞机器学习的...
分类：
编程语言 时间：
2015-07-16 16:18:12
阅读次数：
461
KVM是什么?for Kernel-based Virtual Machine安装环境Centos 6.5 mini x64 禁用selinux, 禁用防火墙安装过程:1. 查看我们的电脑是否支持 虚拟化grep -E -o 'svm|vmx' /proc/cpuinfo如果有结果就说明支持如果没有...
分类：
其他好文 时间：
2015-07-14 15:05:36
阅读次数：
137
Kaggle Competition Past SolutionsWe learn more from code, and from great code. Not necessarily always the 1st ranking solution, because we also learn ...
分类：
其他好文 时间：
2015-07-11 21:19:21
阅读次数：
316
假设正类样本远多于负类1、线性可分的情况假设真实数据集如下：由于负类样本量太少，可能会出现下面这种情况使得分隔超平面偏向负类。2、线性不可分的情况源数据以及理想的超平面情况如下：很可能由于负类样本太少出现以下这种情况，严重偏向负类
分类：
其他好文 时间：
2015-07-11 12:10:00
阅读次数：
116
主要分享了Coursera 机器学习相关课程材料，包括练习题与我的Matlab解答。 课程涉及技术：梯度下降、线性回归、监督/非监督学习、分类/逻辑回归、正则化、神经网络、梯度检验/数值计算、模型选择/诊断、学习曲线、评估度量、SVM、K-Means聚类、PCA、Map Reduce & Data ...
分类：
系统相关 时间：
2015-07-11 06:41:10
阅读次数：
442
