Computer Vision | Introduction
一、计算视觉的经典问题Reconstruction——重建Recognition——识别(Re)organization——重组
Optical character recognition (OCR) 光学字符识别（OCR）Technology to convert scanned docs to
...
机器学习实战 | 第3章 决策树
决策树的一个重要任务是：为了数据中蕴含的知识信息。决策树可以使用不熟悉的数据集合，并从中提取除一系列规则，在这些机器根据数据集创建规则时，就是机器学习的过程。
3.1 决策树的构造
优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。缺点：可能会产生过度匹配问题。适
...
机器学习实战 | 第2章 k-临近算法
==以下代码全部基于python3==
一、k-临近算法概述
工作原理：存在一个样本数据集合（也称作训练样本集），并且样本集中每个数据都存在标签（即我们知道样本中每一数据与所属分类的对应关系）。输入没有标签的新数据后，将新数据的特征值与样本中数据对应的特征值进行比较，然后算法提取样本集中特征最相似数
...
西瓜书学习笔记 | 第16章 强化学习
16.1 任务与奖赏
强化学习（再励学习）：在种瓜过程中不断摸索，总结出较好种瓜策略的抽象过程。
强化学习任务通常用马尔可夫决策过程（Markov Decision Process,简称MDP)来描述：（1）机器处于环境E中，==状态空间为X==，其中每个状态x∈X是机器感知到的环境的描述。
...
西瓜书学习笔记 | 第15章 规则学习
15.1 基本概念
规则：机器学习中通常指语义明确、能描述数据分布所隐含的客观规律或领域概念、可写成“若……，则……”形式的逻辑规则。
规则学习（rule leaning）：是从训练数据中学习出一组能用来对未见实例进行判别的规则。
形式化地看，一条规则形如：
规则学习的优势：（1）与神经网络、支持向
...
西瓜书学习笔记 | 第14章 概率图模型
概率图模型（probabilistic model）（变量关系图）：是一类用图来表达变量相关关系的概率模型。一个结点：表示一个或一组随机变量。边：表示变量间的概率相关关系。
14.1 隐马尔科夫模型
概率模型：将学习任务归结于计算变量的概率分布。
推断：利用已知变量推测未知变量的条件分布。
“生成式
...
利用GitHub+hexo从零开始搭建个人博客
作为一个技术小白，一直想搭建一个自己的博客，但是不知道从哪里开始。偶然间知道GitHub可以搭建博客，并且是免费的。所以抱着学习的态度，开始了自己第一个博客的搭建。整个搭建过程真的很简单，网上的很多教程也都说的非常详细，所以我的这篇博客主要来记录一下我在搭建过程中参考的一些文章，并且自己遇到的一些坑
...