支持向量机通俗导论(理解SVM的三层境界) by July

支持向量机通俗导论(理解SVM的三层境界) by July
作者:July、pluskid;致谢:白石。 出处:结构之法算法之道blog。 感谢原文作者July授权使用 July的博客,July的微博     前言 第一层、了解SVM   1.0、什么是支持向量机SVM   1.1、线性分类   1.2、线性分类的一个例子   1.3、函数间隔Functional margin与几何间隔Geometrical margin     1.3.1、函数间隔Functional margin     1.3.2、点到超平面的距离定义:几何间隔Geometrical margin   1.4、最...

(转)Deep Learning 和 Knowledge Graph 引爆大数据革命 【1】

(转)Deep Learning 和 Knowledge Graph 引爆大数据革命 【1】
作者:邓侃 2013年 1 月 15 日,新浪微博上网友 @王威廉 发了一条消息,说机器学习领域的大牛, Alex Smola 入盟 CMU,讲授机器学习入门课程,该课程的视频将在网上公开。 我回应了几个帖子,聊聊 CMU 与机器学习的研究进展。网友 @老师木 回复说,“机器学习是伪科学”。网友 @y_y_n_i_l 则说,“整天在实验室里面折腾算法,不如实际搞大系统”。 两个人的观点,都有出处。 图灵在 1950 年的论文里,提出图灵...

(译)机器学习、大数据、深度学习、数据挖掘、统计、决策和风险分析、概率和模糊逻辑的常见问题解答

(译)机器学习、大数据、深度学习、数据挖掘、统计、决策和风险分析、概率和模糊逻辑的常见问题解答
机器学习、大数据、深度学习、数据挖掘、统计、决策和风险分析、概率和模糊逻辑的常见问题解答 感谢学姐依海之燕翻译并授权ExBot使用   1、机器学习、大数据、深度学习、数据挖掘、统计、决策和风险分析、概率、模糊逻辑等有什么不同? 答:除了属于、具体目标和文化等,并没有什么本质的区别。它们都是概率的分支,对不确定性的理解和量化。概率本身就是逻辑的一种扩展。   2、概率和逻辑之...

模式识别和机器学习、数据挖掘的区别与联系(转发)

模式识别和机器学习、数据挖掘的区别与联系(转发)
模式识别和机器学习、数据挖掘的区别与联系 by(永远的幻想) Top:这篇文章写的太好了,不得不转发啊,哈哈!感谢“永远的幻想”! 和晨枫老大在这个帖子里关于工程科研和工业实践的脱节从控制侃到了模式识别和机器学习,老大让俺写写。真让俺惶惶然啊!俺这土鳖来在了(liao3)西西河,那就是学习来了,潜水看老大们的帖子为主,偶尔发言也不敢谈专业,怕贻笑大方。不过老大既然说了,那我就来试着说说我所理...

机器学习的高斯过程 (图书)

机器学习的高斯过程 (图书)
机器学习高斯过程Gaussian Processes for Machine learning VDisk  PDF book 高斯过程指的是一组随机变量的集合,这个集合里面的任意有限个随机变量都服从联合高斯分布。 对于存在噪声数据的函数回归以及分类问题,高斯过程应该是最好的选择了,如果看过核方法、线性回归,高斯回归应该没有什么问题的。 200多页的书,不是很难,一个周的时间,加上几个程序练练,应该可以掌握这个强大的工具的。 图书配套...

Bishop的大作《模式识别与机器学习》Ready to read!

Bishop的大作《模式识别与机器学习》Ready to read!
久仰Bishop的大作“Pattern Recognition and Machine Learning”已久,在我的硬盘里已经驻扎一年有余,怎奈惧其页数浩瀚,始终未敢入手。近日看文献,屡屡引用之。不得不再翻出来准备细读一番。有条件的话也要写写读书笔记的,要不基本上也是边看边忘。 我在V盘分享了pdf: http://vdisk.weibo.com/s/oM0W7 Bishopde网页,这里可以下载PPT和程序: http://research.microsoft.com/en-us/um/people/cmbishop/...

2012新书~用于决策的增强与系统的机器学习

2012新书~用于决策的增强与系统的机器学习

本书作者认为“机器学习”的目的不是获取更多的数据,也不是为了产生新的信息;而是为了能够产生更好的决策。(我强烈认可这个流派,数据不在多,挖掘不在深,关键要最终能提供有价值、可信赖的决策。)并分析了人类及人类社会的学习与进步模式,提出了一种,增量、系统的学习模式,全书结构如下。

机器学习的安全性(Top笔记)

机器学习的安全性(Top笔记)

机器学习,相对于传统的控制律,能够实现更为复杂的任务,也可以使无人机更智能。同样,对于像飞行器等执行高度危险任务的设备而言,安全性仍是第一考虑的问题。同样,我们也不希望它们学出些具有破坏性的行为来,当前对于安全的强化学习(Safe Reinforcement Learning)的研究主要集中在保证状态迁移的安全性上[1]、[2]、[3]。并理论上进行了部分证明[4]、[5]。

(荐书)机器学习百科全书[2011] Encyclopedia of Machine Learning

(荐书)机器学习百科全书[2011] Encyclopedia of Machine Learning
面对发展迅猛的机器学习,区区几本老旧的教材怎么够用呢? 在你的案头相信应该摆一本Encyclopedia of Machine Learning。 像字典一样随时查阅新概念。     买不起的童鞋也不必伤心,到http://ishare.iask.sina.com.cn搜索一下吧,相信会有惊喜! 豆瓣的机器学习书单: http://book.douban.com/doulist/1600688/  

强化学习之Learning VS Shaping

强化学习之Learning VS Shaping
以前只知道learning,不知道shaping为何物。查了一下意思shaping可翻译成“行为塑造”。不同于trail-and-error的盲目的搜索方法,在学习初期,通过reward shaping尽可能早的尝试有前景的动作。 具体算法可以看看Eric Wiewiora最新的Potential-Based Shaping 文章 http://academic.research.microsoft.com/Author/904203/eric-wiewiora?query=Eric%20Wiewiora 定义: Reward shaping is a technique inspired ...
Copyright © ExBot易科机器人实验室 保留所有权利.   Theme   Robin modified by poyoten

用户登录

分享到: