码迷,mamicode.com
首页 >  
搜索关键字:gibbs 采样    ( 1734个结果
GSDMM小记
GSDMM是一种基于狄利克雷多项式混合模型的收缩型吉布斯采样算法(a collapsed Gibbs Sampling algorithm for the Dirichlet Multinomial Mixture model)的简称,它是发表在2014年KDD上的论文《A Dirichlet Mu ...
分类:其他好文   时间:2017-11-13 21:28:18    阅读次数:165
下采样与上采样
缩小图像(或称为下采样(subsampled)或降采样(downsampled))的主要目的有两个:1、使得图像符合显示区域的大小;2、生成对应图像的缩略图。 放大图像(或称为上采样(upsampling)或图像插值(interpolating))的主要目的是放大原图像,从而可以显示在更高分辨率的显 ...
分类:其他好文   时间:2017-11-13 21:18:13    阅读次数:3379
Android 中图片压缩分析(上)
在 Android 中进行图片压缩是非常常见的开发场景,主要的压缩方法有两种:其一是质量压缩,其二是下采样压缩。 ...
分类:移动开发   时间:2017-11-13 18:21:04    阅读次数:240
deeplearning.ai 改善深层神经网络 week3 听课笔记
这一周的主体是调参。 1. 超参数:No. 1最重要,No. 2其次,No. 3其次次。 No. 1学习率α:最重要的参数。在log取值空间随机采样。例如取值范围是[0.001, 1],r = -4*np.random.rand(), α = 10r。 No. 2 Momentum β:0.9是个不 ...
分类:其他好文   时间:2017-11-11 15:27:39    阅读次数:285
机器学习算法岗面试常见问题
过拟合原因 数据:数据不规范,数据量少,数据穿越,统计特征用到了未来的信息或者标签信息 算法:算法过于复杂 解决: 1、将数据规范化,处理缺失值,增加数据量,采样,添加噪声数据 2、正则化,控制模型复杂程度, 3、early stoping,减少迭代次数,减少树的深度, 4、学习率调大/小点、 5、 ...
分类:编程语言   时间:2017-11-04 15:00:56    阅读次数:262
压缩感知重构算法之子空间追踪(SP)
SP的提出时间比CoSaMP提出时间稍晚一些,但和压缩采样匹配追踪(CoSaMP)的方法几乎是一样的。SP与CoSaMP主要区别在于“In each iteration, in the SP algorithm, only K new candidates are added, while theC ...
分类:编程语言   时间:2017-11-02 11:29:25    阅读次数:303
【MATLAB】画信号频谱的子函数
输入信号序列和采样率,该子函数可以画出该信号的频谱图。 ...
分类:其他好文   时间:2017-11-01 15:44:08    阅读次数:207
集成学习
https://zhuanlan.zhihu.com/p/27689464 这篇文章对集成学习讲的不错 在机器学习的有监督学习算法中,我们的目标是学习出一个稳定的且在各个方面表现比较好的模型,但实际情况往往不这么理想,有时会我们只能得到多个有偏好的模型(弱监督模型,在某些方面表现比较好)。集成学习就 ...
分类:其他好文   时间:2017-10-30 17:09:24    阅读次数:281
压缩感知重构算法之压缩采样匹配追踪(CoSaMP)
压缩采样匹配追踪(CompressiveSampling MP)是D. Needell继ROMP之后提出的又一个具有较大影响力的重构算法。CoSaMP也是对OMP的一种改进,每次迭代选择多个原子,除了原子的选择标准之外,它有一点不同于ROMP:ROMP每次迭代已经选择的原子会一直保留,而CoSaMP ...
分类:编程语言   时间:2017-10-30 17:05:40    阅读次数:327
大数据量样本随机采样-蓄水池算法
最近在个性化推荐系统的优化过程中遇到一些问题,大致描述如下:目前在我们的推荐系统中,各个推荐策略召回的item相对较为固定,这样就会导致一些问题,用户在多个推荐场景(如果多个推荐场景下使用了相同的召回策略)、多次请求时得到的结果也较为固定,对流量的利用效率会有所降低;尤其对于行为较少的用户,用来作为 ...
分类:编程语言   时间:2017-10-27 19:08:25    阅读次数:224
1734条   上一页 1 ... 73 74 75 76 77 ... 174 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!