协方差(i,j)=（第i列所有元素-第i列均值）*（第j列所有元素-第j列均值）/（样本数-1）下面在给出一个4维3样本的实例，注意4维样本与符号X,Y就没有关系了，X,Y表示两维的，4维就直接套用计算公式，不用X,Y那么具有迷惑性的表达了。另外：最近看 Ng教程 http://deeplearni...
分类：
其他好文 时间：
2014-07-16 19:42:43
阅读次数：
304
皮肤美白是现在任何一款流行的美颜软件必备的功能之一，不过你如果在互联网上搜索关于美白算法，能直接拿到并使用的可能不多。一直觉得这个算法其实很简单的，并且实现的方式可以说是多种多样，本文分享自己研究过的三种实现方式。...
分类：
其他好文 时间：
2014-07-15 22:18:23
阅读次数：
821
最近在解决一个符合指数分布的样本处理的问题时，做了一个假设，然后需要做一个小实验确认基于假设而简单推导出的理论的正确性。
首先是假设：给定一个总个数为 N 的样本集，样本集中元素符合指数分布，即在样本集 S 里的每一个元素 X 的值都符合参数为 lambda 的指数分布 X~Exp(lambda). 那么，如果我另给定一个长度 n ，来对所有的样本元素截取，即挑出那些 X 小于或等于 n 的所有元素。
问题是：1）这样的元素有多少个，用N0表示？ 2）这些所有被截取的元素的和是多少，用L表...
分类：
其他好文 时间：
2014-07-15 10:18:25
阅读次数：
243
一、决策树原理 决策树是用样本的属性作为结点，用属性的取值作为分支的树结构。 决策树的根结点是所有样本中信息量最大的属性。树的中间结点是该结点为根的子树所包含的样本子集中信息量最大的属性。决策树的叶结点是样本的类别值。决策树是一种知识表示形式，它是对所有样本数据的高度概括决策树能准确地识别所有样本的类别，也能有效地识别新样本的类别。 决策树算法ID3的基本思想： 首先找出最有...
分类：
编程语言 时间：
2014-07-14 20:34:04
阅读次数：
391
1.背景 采样算法是机器学习中比较常用，也比较容易实现的（出去分层采样）。常用的采样算法有以下几种（来自百度知道）： 一、单纯随机抽样（simple random sampling）
将调查总体全部观察单位编号，再用抽签法或随机数字表随机抽取部分观察单位组成样本。
优点：操作简单，均数、率及相应的标准误计算简单。
缺点：总体较大时，难以一一编号。
二、系统抽样（systemat...
分类：
编程语言 时间：
2014-07-14 18:08:55
阅读次数：
339
实验中需要用 exprnd 函数生成大量符合指数分布的随机数样本。但是，exprnd 里边有个参数 Mu，本文验证它到底是指数分布的期望，还是期望的倒数。...
分类：
其他好文 时间：
2014-07-14 16:11:21
阅读次数：
884
概要本章介绍二项堆，它和之前所讲的堆(二叉堆、左倾堆、斜堆)一样，也是用于实现优先队列的。和以往一样，本文会先对二项堆的理论知识进行简单介绍，然后给出C语言的实现。后续再分别给出C++和Java版本的实现；实现的语言虽不同，但是原理一样，选择其中之一进行了解即可。若文章有错误或不足的地方，请不吝指出...
分类：
编程语言 时间：
2014-07-14 15:11:15
阅读次数：
353
概要本章介绍斐波那契堆。和以往一样，本文会先对斐波那契堆的理论知识进行简单介绍，然后给出C语言的实现。后续再分别给出C++和Java版本的实现；实现的语言虽不同，但是原理如出一辙，选择其中之一进行了解即可。若文章有错误或不足的地方，请不吝指出！目录1.斐波那契堆的介绍2.斐波那契堆的基本操作3.斐波...
分类：
编程语言 时间：
2014-07-14 14:22:59
阅读次数：
411
ROC曲线在网上有很多地方都有说ROC曲线对于正负样本比例不敏感，即正负样本比例的变化不会改变ROC曲线。但是对于PR曲线就不一样了。PR曲线会随着正负样本比例的变化而变化。但是没有一个有十分具体和严谨地对此做出过分析和论证（至少我没有找到）。此处记为结论1：结论1：PR曲线会随着正负样本比例的变化...
分类：
其他好文 时间：
2014-07-14 08:24:07
阅读次数：
493
支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出很多特有的优势，并可以推广应用到函数拟合等其它机器学习问题中。一、数学部分1.1二维空间支持向量机的典型应用是分类，用于解决这种问题：有一些事物是...
分类：
其他好文 时间：
2014-07-12 14:10:06
阅读次数：
197
