SIFT算法原理详解及代码实现（笔记）
一、SIFT算法概述：SIFT（Scale Invariant Feature Transform）全称尺度不变特征变换，SIFT算子是把图像中检测到的特征点用一个128维的特征向量进行描述，因此一幅图像经过SIFT算法后表示为一个128维的特征向量集，该特征向量集具有对图像缩放，平移，旋转不变的特...
EM算法的学习笔记
EM算法说起来很简单，给定一个要估计的参数的初值，计算隐含变量分布，再根据隐含变量的分布更新要估计的参数值，之后在这两个步骤之间进行迭代。但是其中的数学原理，GMM的推导等等其实并不简单，难想更难算。这篇博客主要基于翻译我看过的好材料，对其中做出些许的解释。以下便从最简单的例子说起投硬币的例子出自h...
机器学习笔记(8)——集成学习之Bootstrap aggregating(Bagging)装袋算法
Bootstrap aggregating自举汇聚法Bagging装袋法1.概念是一种在原始数据集上通过有放回抽样重新选出S个新数据集来训练分类器的集成技术。也就是说这些新数据集是允许重复的。使用训练出来的分类器集合来对新样本进行分类，然后用多数投票或者对输出求均值的方法统计所有分类器的分类结果，结...
机器学习笔记16——决策树剪枝算法原理及python实现案例
决策树剪枝算法1、算法目的2、算法基本思路：3、决策树损失函数4、剪枝类型：4.1 预剪枝4.2 后剪枝4.3 两种剪枝策略对比1、算法目的决策树的剪枝是为了简化决策树模型，避免过拟合。同样层数的决策树，叶结点的个数越多就越复杂；同样的叶结点个数的决策树，层数越多越复杂。剪枝前相比于剪枝后，叶结点个...
读算法的陷阱：超级平台、算法垄断与场景欺骗笔记15_虚拟助手
1. 虚拟助手 1.1. 站在全球视角，这些公司是：亚马逊、脸书、谷歌和苹果 1.1.1. 苹果的Siri 1.1.2. 亚马逊的Alexa 1.1.3. 脸书Messenger应用上的M 1.1.4. 谷歌语音助手Assistant 1.2. 借由人工智能技术，虚拟助手将对用户的个人电子档案、日...
算法复习笔记
把自己最近学习算法的笔记整理出来，供以后复习。1. 六大算法包含什么问题分治 动态规划 贪心 回溯 分支限界 随机化 二分搜索技术 矩阵连乘 活动安排问题 图的m着色问题 数值随机化 合并排序&快速排序 最长公共子序列 最小生成树 N皇后 蒙特卡罗 大整数乘法 最大子段和 多机调...
Python—kmeans算法学习笔记(降维画图）
一、 什么是聚类聚类简单的说就是要把一个文档集合根据文档的相似性把文档分成若干类，但是究竟分成多少类，这个要取决于文档集合里文档自身的性质。下面这个图就是一个简单的例子，我们可以把不同的文档聚合为3类。另外聚类是典型的无指导学习，所谓无指导学习是指不需要有人干预，无须人为文档进行标注。二、聚类算...
Matlab应用笔记--粒子群算法
注：本篇随笔依据《Matlab在数学建模上的应用》中第5章介绍来写，主要介绍粒子群算法思想及其Matlab实现（博客以及Matlab小白，若有不当欢迎指出）粒子群算...
《Python数据分析与机器学习实战-唐宇迪》读书笔记第15章-降维算法
唐宇迪的《跟着迪哥学：Python数据分析与机器学习实战》，2019年9月出版，本系列为读书笔记。主要是为了系统整理，加深记忆。 第...
【深度学习笔记】优化算法——Adam算法
Adam算法 ????sec_adam 本章我们已经学习了许多有效优化的技术。 在本节讨论之前，我们先详细回顾一下这些技术： 在 :numref:sec_sgd中，我们学习了：随机梯度下降在解决优化问题时比梯度下降更有效。在 :numref:sec_minibatch_sgd中，我们学习了：在一个小...
算法基础课&提高课 笔记要点 + OIer必备小知识
（表情显示不出来的话戳这里QwQ）$ {\color {hotpink} {\Large \mathbf{{♥\ I\ Iove\ OI\ ♥}}} }$“学习方...
OpenCV 笔记(22)：图像的缩放——最近邻插值、双线性插值算法
1. 图像缩放 1.1 简介 图像缩放是指通过增加或减少像素来改变图像尺寸的过程，是图像处理中常见的操作。图像缩放会涉及效率和图像质量之间的权衡。 图像放大（也称为上采样或插值）的主要目的是放大原图像，以便在更高分辨率的显示设备上显示。但是，放大图像并不能带来更多信息，因此图像质量会不可避免地...
【机器学习笔记】8 决策树-C4.5算法
C4.5 算法是 Ross 对 ID3 算法的改进。 用信息增益率来选择属性。ID3选择属性用的是子树的信息增益，而C4.5用的是信息增益率。 在决策树构造过程中进行剪枝。 对非离散数据也能处理。 能够对不完整数据进行处理。过拟合的原因： 为了尽可能正确分类训练样本，节点的划分过程会不断重复直到不...
再探快速傅里叶变换(FFT)学习笔记(其三)(循环卷积的Bluestein算法+分治FFT+FFT的优化+任意模数NTT)
(原理、公式推导、模型对比、常见面试点) 3种类型的梯度下降算法总结李宏毅机器学习笔记2：Gradient Descent(附带详细的原理推导过程） 任何模型都会面临过拟合问题，所以我们也要对逻辑回归模型进行正则化考虑。常见的有L1正则化和L2正则化。
参考资料(要是对于本文的理解不够透彻，必须将以下博客认知阅读，方可全面了解LR)：(1).https://zhuanlan.zhihu.com/p/74874291...
Python机器学习笔记：朴素贝叶斯算法
完整代码及其数据，请移步小编的GitHub传送门：请点击我如果点击有误：https://github.com/LeBron-Jian/MachineLearning...