- 博客(12)
- 收藏
- 关注
RSS订阅转载 如何理解矩阵特征值？
https://www.zhihu.com/question/21874816https://www.matongxue.com/madocs/228.html
2018-08-06 10:17:14
150
原创 PIL+pytesser引用路径
使用PIL+pytesser时遇到：Traceback (most recent call last): File "", line 1, in print image_to_string(image) File "C:\Python27\lib\site-packages\pytesser\pytesser.py", line 31, in image_to_strin
2015-08-20 15:44:05
743
转载 标准差和标准误的区别
在日常的统计分析中，标准差和标准误是一对十分重要的统计量，两者有区别也有联系。但是很多人却没有弄清其中的差异，经常性地进行一些错误的使用。对于标准差与标准误的区别，很多书上这样表达：标准差表示数据的离散程度，标准误表示抽样误差的大小。这样的解释可能对于许多人来说等于没有解释。其实这两者的区别可以采用数据分布表达方式描述如下：如果样本服从均值为μ，标准差为δ的正态分布，即X～N(μ, δ2)
2014-11-18 15:10:03
1715
转载 写给数据分析的初学者
今天在qq群里听到一些网友在讨论数据分析的话题。有人正为自己学会了spss而高兴，有人说自己还略懂sas，还有人提到了sql查询语言。大家都在积极地学习，希望能在数据分析领域有所建树。然而在这些网友中，统计科班出身的并不多。所以，他们一味地认为软件会的多，就表明数据分析能力强。其实，这是一个误区。纵然你练了十八般武器，但并见得你就能拼得过别人的三板斧。我以为统计软件学起来并不难，难得是理解统计方法
2014-11-18 11:37:19
523
转载 几种流形学习算法
局部线性嵌入（LLE）等距映射（Isomap）拉普拉斯特征映射（Laplacian Eigenmap）局部线性嵌入（LLE）前提假设：采样数据所在的低维流形在局部是线性的，即每个采样点可以用它的近邻点线性表示。求解方法：特征值分解。LLE算法：计算每一个点Xi的近邻点，一般采用K近邻或者ξ领域。计算权值Wij，使得把Xi用它的K个近邻点线性表示的误差
2014-11-17 11:31:48
2667
转载 关于LibSVM的SMO问题
上篇博客证明了关于“违反对”拉格朗日乘子选择问题，其实问题还没有结束，因为剩下如何计算G[]和G_bar[]两个数组，以及每次迭代拉格朗日乘子问题并没有解决，只是解决了关于乘子的选择问题。这篇博客就是着重解决上述问题。如果不清楚问题的话可参考（http://blog.csdn.net/zhuyue3938199/article/details/7469868）。乘子选择问题变成以下优化问题
2014-10-30 08:43:26
1078
转载 LibSVM中select_working_set函数
最近看SVM的源码都是看LIBSVM的源码，里面最重要的就是SVM.cpp文件。那么函数的调用过程以及一些比较重要的函数解释，在这个博客中已经写得比较详细了，我就不进行多说，可以参考（http://blog.csdn.net/flydreamGG/article/details/4470121）。那么我这篇博文主要补充的是上述博客中一些写得不足的要点，总结一下。在LibSVM的调用
2014-10-30 08:40:04
647
转载 SMO算法
SMO算法由Microsoft Research的John C. Platt在1998年提出，并成为最快的二次规划优化算法，特别针对线性SVM和数据稀疏时性能更优。关于SMO最好的资料就是他本人写的《Sequential Minimal Optimization A Fast Algorithm for Training Support Vector Machines》了。我拜读了一下，下
2014-10-28 14:33:37
572
转载 Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
Exception in thread "main" java.lang.OutOfMemoryError: Java heap space 今天遇到这个问题，内存溢出，解决方法：打开Eclipse软件，选择菜单栏run,在二级菜单中选择 Debug Configurations... 项在弹出的窗口中选择 (x)=Arguments 选项卡，
2014-08-27 13:45:59
595
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人