83篇文章 · 100398字 · 81人关注
-
SVM系列第七讲--KKT条件上一讲我们介绍了最优化问题的两种形式，无约束的和等式约束条件下的，这一讲，我们主要介绍不等式约束条件下的最优化问题，并介绍一下我们的KKT条件。...
-
SVM系列第六讲--拉格朗日乘子法
在前面的几讲中，我们终于引出了支撑向量的概念，同时得到了求解最大间隔分类器的目标规划式，接下来，我们就要对该式进行求解，但在正式求解之前，我想介...
-
集成学习系列(三)-AdaBoost训练误差分析有关Adaboost的相关原理，详见：http://www.jianshu.com/p/f2017cc696e6我们首先来回顾一下Adaboos...
-
SVM系列第三讲--函数间隔和几何间隔上一节我们讲到，我们要像线性分类器一样找到一个超平面，不仅能够对数据点进行一个准确的分隔，同时我们希望所有的点尽量都能够远离我们的超平面，即所有...
-
SVM系列第十一讲--损失函数
我们的SVM算法在前面的十讲中已经基本介绍完毕了，现在还剩下两个小问题，一个是SVM的损失函数问题，一个是求解α的SMO算法。这一讲我们先来介绍...
-
集成学习系列(七)-Stacking原理及Python实现之前参加了一个蚂蚁金服的数据挖掘比赛，最后初赛拿到了37名，全是靠的stacking呀，不过懒癌晚期患者直到现在才把学到的东西整理出来，简直无药...
-
SVM系列第一讲--从故事中开始我们的旅途SVM作为最为经典的机器学习算法之一，面试中会经常被面试官问道，最近想要细心钻研机器学习算法，不如就先从这一经典的机器学习算法写起吧，我本人的数...
-
EM算法系列(六)-EM算法的导出整理自李航老师的《统计学习方法》一书 在前面的几讲中我们介绍了EM算法的一些基础知识以及两个小故事，我们了解了EM算法的基本原理，不过我们并没有...
-
集成学习系列(四)-AdaBoost与前向分步算法AdaBoost算法还有一个解释，即可以认为AdaBoost模型为加法模型，损失函数为指数函数，学习算法为前向分步算法时的二类分类学习方法。 首...
文集作者
