LeetCode 题解(持续更新)

本篇文章置顶,长期更新,用于记录日常刷题题解以及需要注意的tip。

阅读全文

支持向量机-SVM

SVM原理的简要梳理,包括了hard-svm,soft-svm,拉格朗日,对偶等知识点。

阅读全文

聚类

物以类聚,人以群分。

阅读全文

神经网络

神经网络是一个并行的分布式处理结构,由处理单元及其链接的无向通道组成。

阅读全文

线性判别函数

线性判别函数:用于分类的判别函数的参数形式已知,通过从样本来估计判别函数的参数。

阅读全文

Learn To Rank

Learn To Rank是一种学习方法,通过训练模型来解决排序的问题,在信息检索,NLP,Data Mining领域有着很多的应用。

阅读全文

OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

这篇文章是2017年发表在CVPR上,作者开源了代码openpose,openpose代码完整,在推动人体识别,起到了巨大的作用。

阅读全文

朴素贝叶斯法(4)

《统计学习方法》第4章 朴素贝叶斯法

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法,对于给定的数据集,首先基于特征条件独立假设学习输入、输出的联合概率分布。对于给定的输入x,利用贝叶斯定理求出后验概率最大的输出y。
$$
P\left(\omega_{i} | \mathbf{x}\right)=\frac{p\left(\mathbf{x} | \omega_{i}\right) P\left(\omega_{i}\right)}{p(\mathbf{x})}=\frac{p\left(\mathbf{x} | \omega_{i}\right) P\left(\omega_{i}\right)}{\sum_{i=1}^{c} p\left(\mathbf{x} | \omega_{j}\right) P\left(\omega_{j}\right)}
$$
将后验问题转化为先验的形式。

阅读全文

k近邻法(3)

《统计学习方法》第三章 k近邻法

阅读全文

感知机(2)

《统计学习方法》第二章《感知机》

阅读全文