雅施达撒

这是我参与11月更文挑战的第6天 支持向量机（SVM）是再生希尔伯特空间（RKHS）最广为人知的应用之一，假设存在数据对$(x_i,y_i)^n_{i=1}$，$y_i$的...

神经网络可以简单理解成由人工神经元构成的网络 感知器 感知器是一种人工神经元，其简单形式如下所示： 例子中感知器有三个输入$x_1,x_2,x_3$，输出为一个0或1的数，...

这是我参与11月更文挑战的第4天 原文链接 核方法简介 通过函数基的概念，可以开始学习理解核方法。 核方法已经广泛用于各类数据分析技术中，其启发在于将一个在$\mathca...

这是我参与11月更文挑战的第3天 根据基的概念讨论基函数和基向量的应用。 傅里叶级数和傅里叶变换 傅里叶级数 傅里叶级数用正弦函数（sin）和余弦函数（cos）构成的无穷级...

这是我参与11月更文挑战的第2天 原文链接 基的概念 世间万物皆可用一些基础元素的组成来表达，例如水是由氢和氧组成的。类似的，基是通过一个简单而统一的方式来表示各类事物。 ...

这是我参与11月更文挑战的第1天 链接 简介 样本间的距离估算在图形分析和机器学习应用中是非常重要的，为了学习可信赖的距离度量，我们通常需要大量的标记信息，然而现实中的数据...

原文链接 简介 论文提出了一个用于新闻推荐的大规模新闻数据集(MIND)，从Microsoft News3的用户行为日志中采集的到（数据集链接），包含100万用户以及他们对...

C++和C的区别 C++中引入了类（class）的概念，相当于C中结构体（struct）的升级版，类中的成员不仅可以变量还可以是函数，通过类定义出来的变量称为：对象（Obj...

信息和熵 数据挖掘的本质是探索测量变量间的关系，在数据挖掘的开始就要关注如何评估并尽可能改进一个测量变量的信息量。 熵 不同的信息价值不同，对于一个住在沙漠的人如果天气预报...

特征子集选择 对当前学习任务有用的特征称为相关特征（relewant feature），无用的特征称为无关特征（irrelevant feature），从给定特征集合中选择...

k-NN KNN（k近邻学习）的工作机制很简单：对于给定测试样本，基于某种距离度量找出训练集中与其最靠近的$k$个训练样本，然后基于这$k$个邻居的信息来预测。 通常： 分...

神经元模型 神经网络中最基本的成分是神经元（neuron）模型，下图展示了M-P神经元模型，其原理是神经元接收到来自其他n个神经元传递过来的输入信号，输入信号通过带权重的连...

linear model 线性模型 基本形式 给定由$d$个特征描述的实例$\pmb{x}=(x_1;x_2,...,x_d)$，其中$x_i$是$\pmb{x}$中的第$...

经验误差与过拟合 error rate 错误率 and accuracy 精度 $m$个样本中有$a$个分类错误则错误率$E=a/m$，精度$=1-E$。 traning ...

instance（实例）or sample（样本） 表示数据集中每条记录，记录内容为关于一个事件或对象的描述。 attribute（属性） or frature（特征） 反...

论文链接 度量的定义及一些基本性质见链接 简介 许多学习和数据挖掘算法的性能都依赖于他们的输入是否有一个好的度量，例如K-means，近邻分类器和核算法（如SVM）都需要一...

我正在参加中秋创意投稿大赛 U-Net简介 U-Net的网络结构如下图所示，是一个标准的编码-解码网络，整个网络看起来像字母U因此得名U-Net，网络左半边为收缩路径（编码...

原文链接 由于隐私安全和标记成本等问题经常会导致目标域内的标记数据不足，因此迁移学习被用于将一个或多个源域的知识用于优化目标域的模型学习中。然而，这种迁移并不是一直有效的，...

信息熵 Information Entropy 欧式距离和马氏距离等描述的是单个样本间的距离，而信息熵描述的是整个样本集内部样本的距离，用于度量样本集中样本的集中\分散程度...