标签: 机器学习


  1. Evaluation Matrics

    因为最近实验歇一阵,所以有时间给我停一下去看一下论文和代码。评估指标的话之前刚来的时候也看过一些,但是那时候也就是看看,也没有写代码,也没有用起来,所以其实后来就忘了,用的时候也就是在用师姐的代码,理解也不够,有时候指标结果不好也说不清为什么。所以现在趁着有机会看一下这些指标。 这里参照了Zhang的论文A review on multi-label learning algorithms和Yang的论文Relevant Emotion Ranking from Text Constra…

    理性, 机器学习, 多标签, MathJax阅读全文

  2. Machine Learning 第三周

    Week 3PROGRAMMINGLogistic RegressionVisualizing the data这一段可以自己写,但是在pdf中也有直接的代码可以添加在plotdata.m中:% Find Indices of Positive and Negative Examples pos = find(y==1); neg = find(y == 0); % Plot Examples plot(X(pos, 1), X(pos, 2), 'k+','LineWidth', 2, 'Ma…

    理性, 机器学习, matlab, coursera阅读全文

  3. 考虑平局的投票分类器

    在基础分类器中,除了最近邻的方法外,投票也是常用的一种方法。投票的原理是:每一个部分拥有一票或多票,根据一定的规则投给某一个类别,获得最多票数的类别是最终得到的类别。基础算法 很多matlab的实现投票分类器的代码如下:a=1:c; % c是类别数 for i=1:num h(i,:)=hist(index(i,:),a); % index是一个矩阵,每一个位置都有一个数字,在0到c之间 end [~,ind]=max(h,[],2); 我一开始也是使用这种方法做的分类,但是老师…

    理性, matlab, 机器学习阅读全文

  4. 《统计学习方法》之k近邻法

    相似度查询有两种方法: 1. 范围查询,给定阈值。 2. k近邻查询,给定查询点和k。 k近邻法是一种基本分类与回归的方法。其基本思想是:一个样本的k个最相近的样本大多属于某一个类,则该样本也属于这个类。因此,k近邻算法不具有显式的学习过程。k值的选择、距离度量和分类决策规则是k近邻方法的三个基本要素。k近邻算法k近邻算法流程输入:训练数据集$T={(x_1,y_1),(x_2,y_2),…,(x_N,y_N)}$,其中,$x \in X \subseteq R^n$为实例的特征向量,$y…

    理性, 机器学习, 统计学习方法, MathJax阅读全文