相關(guān)文章

• 

  機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃8-4：流形學(xué)習(xí)等度量映射Isomap算法(附Python實(shí)現(xiàn))

  機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃聚焦深度和廣度，加深對(duì)機(jī)器學(xué)習(xí)模型的理解與應(yīng)用?！吧睢痹谠敿?xì)推導(dǎo)算法模型背后的數(shù)學(xué)原理；“廣”在分析多個(gè)機(jī)器學(xué)習(xí)模型：決策樹、支持向量機(jī)、貝葉斯與馬爾科夫決策、強(qiáng)化學(xué)習(xí)等。強(qiáng)基計(jì)劃實(shí)現(xiàn)從理論到實(shí)踐的全面覆蓋，由本人親自從底層編

  2023年04月26日

  瀏覽(29)

• 機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃10-2：詳細(xì)推導(dǎo)串行集成AdaBoost算法(附Python實(shí)現(xiàn))

  機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃聚焦深度和廣度，加深對(duì)機(jī)器學(xué)習(xí)模型的理解與應(yīng)用?！吧睢痹谠敿?xì)推導(dǎo)算法模型背后的數(shù)學(xué)原理；“廣”在分析多個(gè)機(jī)器學(xué)習(xí)模型：決策樹、支持向量機(jī)、貝葉斯與馬爾科夫決策、強(qiáng)化學(xué)習(xí)等。強(qiáng)基計(jì)劃實(shí)現(xiàn)從理論到實(shí)踐的全面覆蓋，由本人親自從底層編

  2024年02月07日

  瀏覽(26)

• 機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃8-2：詳細(xì)推導(dǎo)多維縮放MDS算法(附Python實(shí)現(xiàn))

  機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃聚焦深度和廣度，加深對(duì)機(jī)器學(xué)習(xí)模型的理解與應(yīng)用?！吧睢痹谠敿?xì)推導(dǎo)算法模型背后的數(shù)學(xué)原理；“廣”在分析多個(gè)機(jī)器學(xué)習(xí)模型：決策樹、支持向量機(jī)、貝葉斯與馬爾科夫決策、強(qiáng)化學(xué)習(xí)等。強(qiáng)基計(jì)劃實(shí)現(xiàn)從理論到實(shí)踐的全面覆蓋，由本人親自從底層編

  2023年04月08日

  瀏覽(45)

• 機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃8-3：詳細(xì)推導(dǎo)核化主成分分析KPCA算法(附Python實(shí)現(xiàn))

  機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃聚焦深度和廣度，加深對(duì)機(jī)器學(xué)習(xí)模型的理解與應(yīng)用?！吧睢痹谠敿?xì)推導(dǎo)算法模型背后的數(shù)學(xué)原理；“廣”在分析多個(gè)機(jī)器學(xué)習(xí)模型：決策樹、支持向量機(jī)、貝葉斯與馬爾科夫決策、強(qiáng)化學(xué)習(xí)等。強(qiáng)基計(jì)劃實(shí)現(xiàn)從理論到實(shí)踐的全面覆蓋，由本人親自從底層編

  2023年04月09日

  瀏覽(22)
• 

  正交匹配追蹤算法（OMP）

  記錄OMP算法的學(xué)習(xí)過程。 對(duì)于非齊次線性方程組 A x = b Ax = b A x = b 式中 b ∈ R m , A ∈ R m ? n , x ∈ R m b in R^m,A in R^{m*n},x in R^m b ∈ R m , A ∈ R m ? n , x ∈ R m 。 一般如果我們考慮 A , x A,x A , x 已知，那么求 b b b 是一個(gè)很簡(jiǎn)單的問題。 這個(gè)問題的逆問題為， b , A b,A b , A 已知

  2024年01月23日

  瀏覽(19)

• 機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃5-4：圖文詳解影響流動(dòng)與有向分離(D-分離)(附Python實(shí)現(xiàn))

  機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃聚焦深度和廣度，加深對(duì)機(jī)器學(xué)習(xí)模型的理解與應(yīng)用?！吧睢痹谠敿?xì)推導(dǎo)算法模型背后的數(shù)學(xué)原理；“廣”在分析多個(gè)機(jī)器學(xué)習(xí)模型：決策樹、支持向量機(jī)、貝葉斯與馬爾科夫決策、強(qiáng)化學(xué)習(xí)等。 ??詳情：機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃(附幾十種經(jīng)典模型源碼合集) 在

  2024年02月02日

  瀏覽(24)

• 機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃4-2：通俗理解極大似然估計(jì)和極大后驗(yàn)估計(jì)+實(shí)例分析

  機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃聚焦深度和廣度，加深對(duì)機(jī)器學(xué)習(xí)模型的理解與應(yīng)用?！吧睢痹谠敿?xì)推導(dǎo)算法模型背后的數(shù)學(xué)原理；“廣”在分析多個(gè)機(jī)器學(xué)習(xí)模型：決策樹、支持向量機(jī)、貝葉斯與馬爾科夫決策、強(qiáng)化學(xué)習(xí)等。 ??詳情：機(jī)器學(xué)習(xí)強(qiáng)基計(jì)劃(附幾十種經(jīng)典模型源碼合集) 某

  2023年04月11日

  瀏覽(44)
• 

  壓縮感知重構(gòu)算法之正交匹配追蹤算法（OMP）

  算法的重構(gòu)是壓縮感知中重要的一步，是壓縮感知的關(guān)鍵之處。因?yàn)橹貥?gòu)算法關(guān)系著信號(hào)能否精確重建，國(guó)內(nèi)外的研究學(xué)者致力于壓縮感知的信號(hào)重建，并且取得了很大的進(jìn)展，提出了很多的重構(gòu)算法，每種算法都各有自己的優(yōu)缺點(diǎn)，使用者可以根據(jù)自己的情況，選擇適合自

  2024年02月15日

  瀏覽(17)
• 

  【對(duì)于一維信號(hào)的匹配】對(duì)一個(gè)一維（時(shí)間）信號(hào)y使用自定義基B執(zhí)行匹配追蹤（MP）研究（Matlab代碼實(shí)現(xiàn)）

  ????????? 歡迎來到本博客 ???????? ??博主優(yōu)勢(shì)： ?????? 博客內(nèi)容盡量做到思維縝密，邏輯清晰，為了方便讀者。 ?? 座右銘： 行百里者，半于九十。 ?????? 本文目錄如下： ?????? 目錄 ??1 概述 ??2 運(yùn)行結(jié)果 ??3?參考文獻(xiàn) ??4 Matlab代碼實(shí)現(xiàn) 對(duì)一個(gè)

  2024年02月13日

  瀏覽(21)

• 機(jī)器學(xué)習(xí)Python7天入門計(jì)劃--第一天-機(jī)器學(xué)習(xí)基礎(chǔ)-講人話

  機(jī)器學(xué)習(xí)Python7天入門計(jì)劃 - 第一天: 機(jī)器學(xué)習(xí)基礎(chǔ) 學(xué)習(xí)目標(biāo)： 理解機(jī)器學(xué)習(xí)的基本概念和過程。 掌握基本的數(shù)據(jù)預(yù)處理技巧。 理解線性回歸的原理和應(yīng)用。 學(xué)習(xí)內(nèi)容： 機(jī)器學(xué)習(xí)基礎(chǔ) 什么是機(jī)器學(xué)習(xí)：機(jī)器學(xué)習(xí)是一種使計(jì)算機(jī)能夠從數(shù)據(jù)中學(xué)習(xí)規(guī)律和模式的技術(shù)。 為什么

  2024年01月20日

  瀏覽(23)