前言在机器学习中，分类问题占了很大一部分，而对于分类问题的处理有很多方法，比如决策树、随机森林、朴素贝叶斯、前馈神经网络等等；而最为常见的分类需求一般是二分类问题，即将样本分为两个集合，然后通过学习某些参数，对新的输入进行识别并划分到正确的类别中。在解决分..
分类：
其他好文 时间：
2017-11-06 22:57:44
阅读次数：
405
1、安装前确保CPU支持硬件虚拟化grep-E--color=auto"(vmx|svm)"/proc/cpuinfo2、装载模块modprobekvmmodprobekvm-intel3、通过yum安装yum-yinstallvirt-managervirt-vieweivirt-installlibvirtqemu-kvm4、启动libvirtd服务systemctlstartlibvirtd.service5、通过virt-manager命..
分类：
其他好文 时间：
2017-11-06 11:08:16
阅读次数：
227
分类模型和回归模型本质一样，分类模型是将回归模型的输出离散化。 举几个例子: 1. Logistic Regression 和 Linear Regression： Linear Regression： 输出一个标量 wx+b，这个值是连续值，所以可以用来处理回归问题。 Logistic Regre ...
分类：
其他好文 时间：
2017-11-05 17:26:39
阅读次数：
174
K-means也是聚类算法中最简单的一种了，但是里面包含的思想却是不一般。最早我使用并实现这个算法是在学习韩爷爷那本数据挖掘的书中，那本书比较注重应用。看了Andrew Ng的这个讲义后才有些明白K-means后面包含的EM思想。 聚类属于无监督学习，以往的回归、朴素贝叶斯、SVM等都是有类别标签y ...
分类：
编程语言 时间：
2017-11-03 15:16:01
阅读次数：
250
我是在差分隐私下看到的，新解决方案的可用性肯定小于原有解决方案的可用性，也就是说信息的后续处理只会降低所拥有的信息量。 那么如果这么说的话为什么还要做特征工程呢，这是因为该不等式有一个巨大的前提就是数据处理方法无比的强大，比如很多的样本要分类，我们做特征提取后，SVM效果很好 ，但是如果用DNN之类 ...
分类：
其他好文 时间：
2017-11-02 13:17:06
阅读次数：
165
rcnn:看作分类问题，算法的组合：候选框+卷积提取特征+svm分类 候选框是借用外来的方案，深度学习只是用来提取特征，分类是svm算法，所以不是端到端的方案 1：边缘策略，先根据图像像素之间的关系聚类得到很多的候选框，这部分有很多的方案，比如：selectivesearch 2：根据得到的候选框， ...
分类：
其他好文 时间：
2017-10-31 17:36:41
阅读次数：
163
参考：https://stackoverflow.com/questions/45384185/what-is-the-difference-between-linearsvc-and-svckernel-linear 1、LinearSVC使用的是平方hinge loss，SVC使用的是绝对值hi ...
分类：
其他好文 时间：
2017-10-30 21:55:57
阅读次数：
461
感谢中国人民大学胡鹤老师，课程深入浅出，非常好 关于SVM 可以做线性分类、非线性分类、线性回归等，相比逻辑回归、线性回归、决策树等模型（非神经网络）功效最好 传统线性分类：选出两堆数据的质心，并做中垂线（准确性低）——上图左 SVM：拟合的不是一条线，而是两条平行线，且这两条平行线宽度尽量大，主要 ...
分类：
其他好文 时间：
2017-10-30 14:20:34
阅读次数：
182
Roadmap Soft-Margin SVM as Regularized Model SVM versus Logistic Regression SVM for Soft Binary Classification Kernel Logistic Regression Summary ...
分类：
其他好文 时间：
2017-10-29 12:58:51
阅读次数：
182
转自：http://blog.csdn.net/v_july_v/article/details/7624837 前言 动笔写这个支持向量机(support vector machine)是费了不少劲和困难的，原因很简单，一者这个东西本身就并不好懂，要深入学习和研究下去需花费不少时间和精力，二者这个 ...
分类：
其他好文 时间：
2017-10-29 11:14:38
阅读次数：
178
