- 博客(6)
- 收藏
- 关注
RSS订阅原创 关于SVM核函数的选择
今天去面试的时候，面试官问了我一个问题：SVM的核函数如何选择？我说试试吧，答案可能也对，但这样会浪费时间。上网搜索了一下，Andrew的说法是： 1.当样本的特征很多时，特征的维数很高，这是往往样本线性可分，可考虑用线性核函数的SVM或LR（如果不考虑核函数，LR和SV
2017-10-17 21:35:09
6666
1
原创 编译opencv2.4.9+cuda6.5+vs2013生成自己的X64库
折腾了两天，终于build出自己的opencv+cuda库，在这里简单快速的总结下： 这里有一篇博客不错，点击打开链接，（建议先看这篇博客，再看本博客）这里配置的步骤都有，网上也有很多，但这篇个人认为比较好，所以这里小弟重点说下自己所遇到的问题： 1.在网上说的很少的一个注意事项，也是我最想说的一个问题
2017-04-16 10:04:59
424
转载 Mat类型与IplImage之间的转换
1、将Mat转换为IplImage举例： Mat img； IplImage *src； src=&IplImage（img）；2、将IplImage转换为Mat举例： Mat(const IplImage* img, bool copyData=false);
2017-04-05 20:22:53
291
原创 机器学习笔记-决策树
对决策树的理解：决策树分类算法按照某一属性选择偏好（信息增益、增益率、基尼指数等）来选择属性进行一层层的划分，起初根节点包含所有样本集，随着一层层的划分，样本集不断的被分到不同的样本子集当中，直至将样本子集全部划分为叶节点为止。 决策树的基本实现步骤：包含n个样本的训练集：D={（x1，y1）,（x2，y2）,···,（xn，yn）} 及其属性集(m个属性)：A={a
2017-03-27 07:18:21
280
翻译 机器学习笔记-线性模型
首先要知道线性模型的基本形式： 其中X1,X2,...,Xn代表各个属性，而X1,X2,...,Xn的系数W1,W2,...,Wn代表属性值，其用矢量可以表示为 线性回归： 线性回归试图学得W1,W2
2017-03-20 15:43:32
226
翻译 学习机器学习（一）
机器学习中的一些基本概念： 1.机器学习就是在计算机上用数据产生模型的算法. 2.机器学习要从数据中找到规律，数据是由一个个特征向量组成，m个数据集可以表示为D={X1，X2，···，Xm}，每一个数据Xi(m>= i >=1)都是d（d>=1）维的向量，Xi可以表示为Xi={Xi1，Xi2，···，Xid},Xij表示的是第i个样本的第j个属性的取值。
2017-03-10 07:36:30
195
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人