- 博客(4)
- 资源 (10)
- 收藏
- 关注
RSS订阅原创 PCA
PCA主成分分析（PCA，Principle Component Analysis）就是在寻找使方差最大的方向，并在该方向上投影。(通常方差越大被视为越重要，方差也常常被称为能量)Y=A(X−X‾)Y=A\left( X-\overline{X} \right)Y=A(X−X)YYY是PCA的输出，aaa是投影的方向矩阵，XXX是PCA的输入，X‾\overline{X}X是XXX的期望(通常也可以用均值代替X‾=1P∑i=1PXi\overline{X}=\frac{1}{P}\sum_{i=
2020-06-06 19:24:51
102
原创 ROC曲线
四个概率TPTPTP——将正样本预测为正（的概率）FNFNFN——将正样本预测为负（的概率）FPFPFP——将负样本预测为正（的概率）TNTNTN——将负样本预测为负（的概率）精确度定义为：P=TPTP+FPP=\frac{TP}{TP+FP}P=TP+FPTP分母为所有判断为正的样本，PPP表示在所有被判断为正的样本中真正的正样本的概率召回率定义为：R=TPTP+FNR=\frac{TP}{TP+FN}R=TP+FNTP分母为所有真正的正样本，RRR表示在所有真正的正
2020-06-06 19:21:29
310
原创 神经网络
感知机1943年，心理学家W.S.McCulloch和数理逻辑学家W.Pitts基于神经元的生理特征，建立了单个神经元的数学模型（MP模型）实际上没啥依据1957年，Frank Rosenblatt从纯数学的度重新考察这一模型，指出能够从一些输入输出对 中通过学习算法获得权重w\boldsymbol{w}w和bbb 。（这被认为是第一个机器学习算法，SVM是90年代的算法）问题：给定一些输入输出对(x,y)(\boldsymbol{x},y)(x,y)，其中y=±1y=\pm 1y
2020-06-06 05:18:43
330
原创 SVM
文章目录SVM（线性模型）数学推导几个重要的概念求解超平面转化为下列优化问题SVM（非线性模型）数学推导改写优化目标函数和限制条件低维到高维的映射核函数原问题和对偶问题强对偶定理将SVM原问题转化为对偶问题核函数SVM算法总结SVM处理多分类问题SVM（线性模型）数学推导学习路线：先线性二分类解释清楚，再加入核方法扩展至非线性二分类几个重要的概念训练样本集(xi,yi)(\boldsymbol{x}_i,y_i)(xi,yi)，其中xi\boldsymbol{x_i}xi为nnn维列向
2020-06-06 04:16:16
141
通信系统中的多采样率信号处理(Multirate Signal Processing for Communication Systems)
2019-01-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人