Learning to Rank(简称LTR)用机器学习的思想来解决排序问题。Ranking SVM算法是PairWise方法的一种。本文简单介绍了Ranking SVM，并举例说明了下载使用的过程。...
分类：
其他好文 时间：
2015-05-16 11:56:37
阅读次数：
377
上一篇总结了对于训练数据集线性可分的理想情况下，使用硬间隔最大化训练得到分类超平面的SVM方法，这种方法在实际应用中并不实用，因为实际的训练数据总是会存在人为或不可控的因素干扰产生各种噪声，因此是无法在特征空间下找到线性可分的超平面的，但是噪声总是有限的，可以对硬间隔这个限制进行放松，引入一个松弛变量来控制分类超平面的训练，从而可以对近似可以线性可分的实际应用数据进行学习和预测。从这里也可以很明显...
分类：
其他好文 时间：
2015-05-16 00:14:46
阅读次数：
328
看数据挖掘方面的算法理论时经常感觉一些公式的推导过程如天书一般,例如看svm的数学证明,EM算法..,感觉知识跳跃比较大,那么数据挖掘系统的学习过程是怎么样?磨刀不误砍柴工。在学习数据挖掘之前应该明白几点：数据挖掘目前在中国的尚未流行开，犹如屠龙之技。数据初期的准备通常占整个数据挖掘项目工作量的70...
分类：
其他好文 时间：
2015-05-14 15:57:21
阅读次数：
129
1.将公式中的distance具体化将$w_0$单独抽出作为$b$，$w=(w_1,...,w_n),x=(x_1,...,x_n)$则分割平面为：$w^Tx+b=0$A.证明w为法向量 设两点$x',x''$都在平面上，所以有 $w^Tx'=w^Tx''=-b$ $w^T(x'-x'')=0$ 可...
分类：
其他好文 时间：
2015-05-13 18:54:02
阅读次数：
122
SVM（支持向量机）是典型的二分类的判别式模型，这种方法以Rosenblatt于1957年提出的感知机模型的基础上，都是通过训练一个分类超平面之后，作为分类的决策函数，然后对未知的样本进行预测。通过对输入特征使用法向量和截距w=(w1,w2,...wn)、bw=(w_1,w_2,...w_n)、b进行线性组合，得到超平面，最终的决策函数也和感知机一样，为符号函数f(x)=sign(w? ?x? +b...
分类：
其他好文 时间：
2015-05-13 06:28:39
阅读次数：
291
获得
tw.edu.ntu.csie
libsvm
3.17
libsvm-3.17.jar的结构见下图，
default package:这里是工具制作者自己封装出来的一些类，它们都有main函数，可作为小工具直接使用。
libsvm package：核心文件。
关于default package：因为里面的类不在任意一个package中，所以我们的工程无法引用。解决办法...
分类：
编程语言 时间：
2015-05-11 18:00:23
阅读次数：
300
1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检測的特征描写叙述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检測中...
分类：
其他好文 时间：
2015-05-10 11:07:58
阅读次数：
186
1、首先，你需要安装完成Matlab。2、将libsvm-3.17.zip和drtoolbox.tar文件解压到：libsvm-3.17文件夹和drtoolbox，并放到MATLAB的工具箱安装目录下，例如：C:\Program Files\MATLAB\R2014a\toolbox目录下。3、启动...
分类：
其他好文 时间：
2015-05-09 16:14:11
阅读次数：
177
1.1 SVM支持向量机算法
支持向量机理论知识参照以下文档：
支持向量机SVM（一）
http://www.cnblogs.com/jerrylead/archive/2011/03/13/1982639.html
支持向量机SVM（二）
http://www.cnblogs.com/jerrylead/archive/2011/03/13/1982684.html
支持向量机（三）...
分类：
编程语言 时间：
2015-05-08 18:11:56
阅读次数：
396
上一篇文章总结了Keras的基本使用方法，相信用过的同学都会觉得不可思议，太简洁了。十多天前，我在github上发现这个框架的时候，关注Keras的人还比较少，这两天无论是github还是微薄，都看到越来越多的人关注和使用Keras。所以这篇文章就简单地再介绍一下Keras的使用,方便各位入门。主要包括以下三个内容：
训练CNN并保存训练好的模型。
将CNN用于特征提取，用提取出来的特征训练SVM。...
分类：
其他好文 时间：
2015-05-08 16:30:50
阅读次数：
313
