[机器学习] 物体检测概述

说明： 主要总结了目前比较流行的目标检测方法，并整理了一下相关的概念
<hh_2018> 上传 | 大小：4mb

[机器学习] convex optimization--Stephen Boyd ； Lieven Vandenberghe 英文原

说明： 凸优化在数学规划领域具有非常重要的地位。一旦将一个实际问题表述为凸优化问题，大体上意味着相应问题已经得到彻底解决，这是非凸的优化问题所不具有的性质。其应用非常广泛，机器学习中很多优化问题都要通过凸优化来求解；在非凸优化中，凸优化同样起到重要的作用，很多非凸优化问题，可以转化为凸优化问题来解决
<ericmoo> 上传 | 大小：5mb

[机器学习] 基于卷积记忆神经网络的微博短文本分析

说明： PDF格式。微博短文本情感分析的目的是发现用户对热点事件的观点及态度。已有的方法大多是基于词袋模型，然而，词袋模型 无法准确捕获带有情感倾向性的语言表现特征。结合卷积神经网络( CNN) 和长短期记忆网络( LSTM) 模型的特点，提出了卷 积记忆神经网络模型( CMNN) ，并基于此模型来解决情感分析问题。与传统算法相比，模型避免了具体任务的特征工程设计; 与 CNN 和LSTM 相比，模型既能够有效提取短文本局部最优特征，又能够解决远距离的上下文依赖。通过在COAE2014 数据集 上的实
<weixin_39086917> 上传 | 大小：318kb

[机器学习] 唐宇迪配套案例实战 聚类算法

说明： 51CTO唐宇迪配套案例实战，聚类算法，包含解释文档与代码解析
<sinat_36165006> 上传 | 大小：612kb

[机器学习] 唐宇迪-机器学习python快速入门

说明： 51CTO上的唐宇迪课程教程下载 机器学习课程 python入门基础
<sinat_36165006> 上传 | 大小：23kb

[机器学习] 机器学习-第十章降维与度量学习

说明： k-近邻学习是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其靠近的......
<chegaofeng> 上传 | 大小：3mb

[机器学习] 机器学习-第九章聚类

说明： 在“无监督学习”中，训练样本的标记信息是未知的。目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为了进一步的数据分析提供基础。
<chegaofeng> 上传 | 大小：2mb

[机器学习] 机器学习-第八章集成学习

说明： 集成学习通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统、基于委员会的学习等。
<chegaofeng> 上传 | 大小：2mb

[机器学习] 机器学习-第七章贝叶斯分类

说明： 贝叶斯决策论是概率框架下实施决策的基本方法。对分类任务来说，在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标识。
<chegaofeng> 上传 | 大小：3mb

[机器学习] 机器学习-第六章支持向量机

说明： 如[Vapnik,1999]所述，支持向量机这个名字强调了此类学习器的关键是如何从支持向量构建出解；同时也暗示着其复杂度主要与支持向量的数目有关。
<chegaofeng> 上传 | 大小：4mb

[机器学习] 机器学习-第五章神经网络

说明： 神经网络方面的研究很早就已经出现，今天“神经网络”已是一个相当大的、多学科交叉的学科领域。
<chegaofeng> 上传 | 大小：5mb

[机器学习] 机器学习-第四章决策树

说明： 决策树是一类常见的机器学习方法。以二分类任务为例，我们希望从给定训练数据集学得一个模型用以对新示例进行分类.....
<chegaofeng> 上传 | 大小：6mb