12 2020 档案
摘要：laravel中间件使用 一、总结 一句话总结： laravel内置了一个【中间件来验证用户是否经过认证】，如果用户没有经过认证，中间件会将用户重定向到登录页面，否则如果用户经过认证，中间件就会允许请求继续往前进入下一步操作。 当然，除了认证之外，中间件还可以被【用来处理更多其它任务】。比如：【CO
阅读全文
摘要：legend2v2 6、SQLSTATE[42000]: Syntax error or access violation: 1071 Specified key was too long 一、总结 一句话总结： you need to place this code in your 【AppSer
阅读全文
摘要：legend2v2 5、弹性盒子做自适应布局 一、总结 一句话总结： a、【浮动】：左（头像）右（介绍文字）两部分【各百分之50】，这样不同尺寸下显示效果都很好 b、【弹性布局】：解决横向垂直居中，也就是profile部分的内容，注意 弹性盒子【默认是竖着排】，我们要的效果是横着排，所以可以【fle
阅读全文
摘要：学习各工具及方法意义 一、总结 一句话总结： 【学习方法】：【轻松学】+【十全】（规则）-->【归档】-->【legend2】（重复）-->【legend3】（深入），还是差一个【接触】（可能学校、伙伴、工作等） 1、【legend3意义】？ a、【深入】：【高效深入】：8分 b、【归档】：【高效归
阅读全文
摘要：legend2v2 4、ul等分li 一、总结 一句话总结： 用的是【浮动】加【百分比分配】的方式，主要是li中，比如【width: 25%;】 【float: left;】 不要将li设置为inline-block，然后百分比分配宽度的方式，这样不行，这样【inline-block元素之间的换行会
阅读全文
摘要：legend2v2 3、The requested URL /index1 was not found on this server 一、总结 一句话总结： 一般现象：首页能进，其它页不能访问 问题原因：【apache】服务器设置的问题 解决方式：项目的【public】目录的【.htaccess】中
阅读全文
摘要：Redux基本介绍 一、总结 一句话总结： React 只是 DOM 的一个抽象层，并不是 Web 应用的完整解决方案。有两个方面，它没涉及。【代码结构】、【组件之间的通信】。对于大型的复杂应用来说，这两方面恰恰是最关键的。因此，【只用 React 没法写大型应用】。 为了解决这个问题，2014年
阅读全文
摘要：legend2v2 2、Target class [Frontend\EntryController] does not exist 一、总结 一句话总结： 【少了这个use语句】，而且路由中的语法也变了 use App\Http\Controllers\Frontend; //首页 //Route
阅读全文
摘要：齐文词根词缀 1、第一讲 一、总结 一句话总结： 前缀（【大小、方向、程度】）+词根（单词本质）+后缀（体现单词的【词性】） 【前缀和词根决定单词的意思】，后缀决定单词的【词性】，分工极其明确 前缀：【大小、方向、程度】词根：单词本质后缀：体现单词的【词性】 1、前缀主要就是【大小、方向、程度】三个
阅读全文
摘要：元音发音规则 一、总结 一句话总结： 1、元音字母重读开音节和闭音节中的读音：a？ ①在开音节中【/eɪ/】：name,plane,Jane,baby,cake ②在闭音节中一般读作【/æ/】：bag,dad,hat,map,black,back2在f，n，ph，sk，sp，st，ss，th之前时时
阅读全文
摘要：英语重读规则 一、总结 一句话总结： 其实英语重读规则总的原则就是强调啥，重读啥 比如refuge['refju:dj]——【refugee[,refju:'dji:]】 employ[im'ploi] ——【employee[,emploi'i:]】 这个也可以解释为什么词的重读主要由后缀决定，因
阅读全文
摘要：英语单词重读规则 一、总结 一句话总结： 在西方语言中,重音因素是英语中最为至关重要的。但恰巧英语的重音位置又变化多端，很难把握准确,这对运用读音规则造成了很大困难.【因为元音字母如何发音,基本取决于是否重读和音节性质（开音节、闭音节）】两大因素。 由于英语【非重读音节中的元音发音规则相对简单】,一
阅读全文
摘要：Maggie词根词缀记忆法 6、如何背托福雅思单词 一、总结 一句话总结： 没有语法，只能传达很少的信息，【没有单词，则什么都无法传递】 其实只要【认识足够的单词】，这些外语非常好理解 词根词缀就相当于汉语中的偏旁部首，而英语这个【比汉语简单多了】 1、primitive？ primitive：早先
阅读全文
摘要：begin同根词 一、总结 一句话总结： 【began /bɪ'ɡæn/】 【begun /bɪ'ɡʌn/】：第三人称单数： begins 现在分词： beginning 过去式： began 过去分词： begun 【beginning n.】 开始, 起点; 根源； Her emergence
阅读全文
摘要：Maggie词根词缀记忆法 5、背考研单词 一、总结 一句话总结： 1、hypocritical 【hypo-,hyp- 在下面】？ hypocritical虚伪的，伪善的=【hypo+critical】 He is accused of 【being hypocritical】.他的虚伪受到了大家
阅读全文
摘要：require和request的区别 一、总结 一句话总结： require 【要求】：Require有【命令】的意思：The floor 【requires washing】.地板该洗了。 request 【请求（礼貌）】：Request为【比较客气、礼貌】的正式请求，通常在恐怕对方不能答应的情况
阅读全文
摘要：词根metry=meter 一、总结 一句话总结： geometry=【geo+metry】=土地+测量=几何学 metric=【metry+ic】=度量标准；adj. 公制的；米制的；公尺的；n. 度量标准 thermometer=【thermo热+meter度量】=温度计 二、内容在总结中 转自
阅读全文
摘要：表示看的词根 一、总结 一句话总结： vis-：visible：【-ble可...的】：看得见的 vid-：evident 【e-出+vid-看+-ent...的】→看得出来的：adj.明显的，显著的 spect：expect 【ex-往外+spect=look out（for）】 盼望，期待 sp
阅读全文
摘要：Maggie词根词缀记忆法 4、如何背四六级单词 一、总结 一句话总结： 四六级单词是生活中特别【常用的单词】，一回生二回熟，【接触理论】即可，主要是【运用】 1、uphold=up+hold？ （v.）支持（向上托住）=support share holder控股人，股东；household家庭主
阅读全文
摘要：英语后缀总结 1、常用重要后缀 一、总结 一句话总结： 1、后缀-able与-ible？ 形容词后缀-able与-ible是同义后缀，加在动词后，【使动词变为形容词】，其意义相当于【情态动词 can +此动词被动式】。所以在语义上有【被动意义】。 加-ible的词大多数来自【拉丁语】。下面加-ibl
阅读全文
摘要：英语前缀总结 1、常用重要前缀 一、总结 一句话总结： 词根词缀非常【有限】，而且是英语的一种【本质规律】 1、前缀re-？ re-是最常用的前缀之一。它可以加在【名词或动词】前面，构成新的名词或动词。re-表示以下四方面的意义： 1．表示【"回"或"向后"】的意思。例如：return（回来，返回）
阅读全文
摘要：Maggie词根词缀记忆法 3、重点词根词缀讲解 一、总结 一句话总结： 单词组成 前缀：决定方向 词根：决定单词的本源含义 后缀：决定词性 1、cede=ced=ceed=cess=gress=ped-ade=go 走路，向前走？ Proceed（vi）：推进 Precede（v.）：先于某人做某
阅读全文
摘要：taste和smell的用法区别 一、总结 一句话总结： taste通过【嘴巴以味觉】去感受,尝起来怎么样 smell通过【鼻子以嗅觉】去感受,闻起来怎么样 【用法是一样的】,只是意思不一样,【taste/smell + adj】(表味道的形容词,如good) 二、内容在总结中 转自或参考：
阅读全文
摘要：Maggie词根词缀记忆法 2、词根词缀记忆法 一、总结 一句话总结： 1、【顺序改变】，意思不变：Star星星-astronaut宇航员 2、【元音替换】，意思不变：sym=sem=sim=same；simulate模拟，模仿；Similar像；Resemble相似 3、【读音相近】，意思相同：p
阅读全文
摘要：Maggie词根词缀记忆法 1、英语单词记忆法总汇 一、总结 一句话总结： 学习单词，需要不断地主动摸索，【利用已知求问未知】，在大脑中构建牢固的网状结构，今后才能举一反三，不会再提笔忘字张口忘词。 【80%的英语单词背后都是有典故的】，了解了这些小故事，不但可以加深对西方文化的理解，还能做到对单词
阅读全文
摘要：《机器学习实战》笔记 3.1、决策树 构建 一、总结 一句话总结： 3.1.1、信息增益 3.1.2、划分数据集 3.1.3、递归构建决策树 1、决策树的主要优势？ 第2章介绍的【k-近邻算法】可以很好地完成分类任务，但是它最大的【缺点】就是【无法给出数据的内在含义】，决策树的主要优势就在于【数据形
阅读全文
摘要：常用距离度量方法总结 一、总结 一句话总结： 1、欧氏距离2、马氏距离3、曼哈顿距离4、闵可夫斯基距离5、汉明距离6、杰卡德相关系数7、余弦相似度8、切比雪夫距离9、皮尔逊相关系数 1、曼哈顿距离（Manhattan）？ 表示两个点在标准坐标系上的【绝对轴距之和】，两点在南北方向上的距离加上在东西方
阅读全文
摘要：你的收入是与你经常交往的人五个人的收入的平均额?1、这句话对吗?2、出自哪里? 一、总结 一句话总结： 大家都觉得这是一个玩笑,自己的月收入怎么会由朋友决定呢?但是,当他们写下最亲密朋友的财务状况时,【很快发现自己的收入真的和他们差不多】.月收入2000多块钱的人,他的朋友们月收入也大多是2000多
阅读全文
摘要：机器学习实战课程 1、课程介绍 一、总结 一句话总结： 二、机器学习实战课程 1、课程介绍 博客对应课程的视频位置： 1、课程内容 课程内容主要参照《机器学习实战》这本书，如下是这本书的封面 对应的具体内容会按照这本书的目录结构讲，但是我会做一定的适当的修改，也会增加一些这本书里面讲的不详细的内容，
阅读全文
摘要：《机器学习实战》课程笔记 1.1、knn 一、总结 一句话总结： 【多看视频】：可以多看视频，这样可以【比较懒】的解决问题，激励和自制都需要的特别低 1、模型的上限 决定因素？ 数据和特征决定了模型的上限，而算法只是逼近这个上限 2、常用的向量距离度量准则？ 欧式距离、曼哈顿距离、切比雪夫距离、马氏
阅读全文
摘要：python调试代码好的方法 一、总结 一句话总结： 直接【pycharm调试】，中间结果的呈现方式很方便且很好 二、python调试代码好的方法 直接pycharm调试，中间结果的呈现方式很方便且很好
阅读全文
摘要：机器学习实例 6.1、提升分类器性能利器-AdaBoost笔记 一、总结 一句话总结： AdaBoost算法是基于Boosting思想的机器学习算法，AdaBoost是【adaptive boosting（自适应boosting）】的缩写 1、集成方法(ensemble method)或元算法(me
阅读全文
摘要：机器学习实例 5.2、支持向量机实战篇之再撕非线性SVM笔记 一、总结 一句话总结： 【节约时间】：节约时间这个特性已经深入到我的骨髓之中 1、SMO算法优化？ 在几百个点组成的【小规模数据集上】，简化版SMO算法的运行是没有什么问题的，但是在更大的数据集上的运行速度就会变慢。简化版SMO算法的【第
阅读全文
摘要：机器学习实例 5.1、支持向量机原理篇之手撕线性SVM 笔记 一、总结 一句话总结： 这篇文章的svm公式推导非常详细和好，和视频一起看非常容易懂 1、SVM有趣实例？ SVM就是试图把棍放在最佳位置，好让在【棍的两边有尽可能大的间隙】。这个间隙就是球到棍的距离。 现在，大侠没有棍可以很好帮他分开两
阅读全文
摘要：机器学习实例 4.2、Logistic回归实战篇之预测病马死亡率 一、总结 一句话总结： 逻辑回归就是在线性回归的基础上加了sigmoid函数，所以【有多少个特征就可以看成有多少个x和w】，再多一个多常数偏置项 1、使用Sklearn构建Logistic回归分类器？ classifier = Log
阅读全文
摘要：【机器学习】逻辑回归详解总结 一、总结 一句话总结： 还是要看【视频结合看书】，这样才有意义，还是得【多看书】，【多看视频】 1、Logistic 回归的本质？ 假设数据服从这个分布，然后使用【极大似然估计做【参数的估计】】。 2、逻辑回归 中的最大化似然函数和最小化损失函数的关系？ 在逻辑回归模型
阅读全文
摘要：legend2v2 1、laravel8安装 一、总结 一句话总结： 1、composer安装项目：composer create-project --prefer-dist laravel/laravel legend2_2 2、composer更新依赖：composer更新依赖，整出vender
阅读全文
摘要：composer 切换镜像源 一、总结 一句话总结： 全局配置：切换阿里镜像：composer config -g repo.packagist composer https://mirrors.aliyun.com/composer/ 1、查看composer配置？ composer config
阅读全文
摘要：Logistic回归和梯度上升 公式推导 一、总结 一句话总结： 还是得多看视频，这样比较快，如果找不到好视频，还是自己推导比较快 1、逻辑回归 梯度上升算法迭代更新θ的取值？ $$\theta _ { j } = \theta _ { j } + \alpha \frac { \partial \
阅读全文
摘要：《机器学习实战》笔记 2、K-近邻算法 一、总结 一句话总结： K-近邻算法内容非常简单，书上也就是一些基本理论知识然后就是实例代码 1、K-近邻算法优缺点？ 优点：精度高、对异常值不敏感、无数据输入假定。 缺点：计算复杂度高、空间复杂度高。 适用数据范围：数值型和标称型。 2、k近邻算法（kNN）
阅读全文
摘要：《机器学习实战》是哪本书 一、总结 一句话总结： 区别另一本《机器学习实战》：机器学习实战：基于Scikit-Learn Keras和TensorFlow 二、《机器学习实战》是哪本书 转自或参考：https://www.zhihu.com/topic/20121045/top-answers 机器
阅读全文
摘要：归一化z-score 一、总结 一句话总结： 【z分数（z-score）】，也叫【标准分数（standard score）】是一个【数与平均数的差再除以标准差】的过程。在统计学中，标准分数是一个观测或数据点的值高于被观测值或测量值的平均值的标准偏差的符号数。 z分数可以回答这样一个问题："【一个给定
阅读全文
摘要：《机器学习实战》笔记 1、机器学习基础 一、总结 一句话总结： 【your own agreement】：Failure to 【comply with】 【your own agreement】 will 【destroy your self-confidence】 and make yourse
阅读全文
摘要：机器学习实例 4.1、Logistic回归基础篇之梯度上升算法 一、总结 一句话总结： Logistic回归是众多分类算法中的一员。通常，Logistic回归用于【二分类】问题，例如预测明天是否会下雨。当然它【也可以用于多分类】问题，不过为了简单起见，本文暂先讨论二分类问题。 Logistic回归一
阅读全文
摘要：机器学习实例 3.2、朴素贝叶斯之新浪新闻分类 一、总结 一句话总结： 在训练朴素贝叶斯分类器之前，要处理好训练集，【文本的清洗】还是有很多需要学习的东西。【去高频词汇】数量的不同，对结果也是有影响的的。 根据提取的分类特征将【文本向量化】，然后训练朴素贝叶斯分类器。 【拉普拉斯平滑】对于改善朴素贝
阅读全文
摘要：Python人工智能参考 朴素贝叶斯进行垃圾邮件分类最最最简单实战 一、总结 一句话总结： a、用最简单的实例来演示 算法是最方便的能洞悉算法实质的方式 b、朴素贝叶斯注意有多个词表，而不是一个混合的词表 1、朴素贝叶斯进行垃圾邮件分类的计算的时候的注意点是什么？ 【P(关键词1,关键词2)）可以不
阅读全文
摘要：机器学习实例 3.1、朴素贝叶斯基础 一、总结 一句话总结： 朴素贝叶斯算法是有监督的学习算法，解决的是【分类问题】，如客户是否流失、是否值得投资、信用等级评定等多分类问题。 该算法的优点在于【简单易懂、学习效率高】、在某些领域的分类问题中能够与决策树、神经网络【相媲美】。 但由于该算法以【自变量之
阅读全文
摘要：机器学习实例 2.1、决策树（实战） 一、总结 一句话总结： 决策树【构建】、决策树【可视化】、使用决策树进行【分类预测】、决策树的【存储和读取】、 【sklearn】实战之预测隐形眼镜类型 本来是想继续讨论决策树的过拟合问题，但是看到【《机器学习实战》】将此部分内容放到了第九章，那我也放在后面好了
阅读全文
摘要：python的pickle模块 一、总结 一句话总结： 该pickle模块实现了用于【序列化和反序列化】Python对象结构的【二进制协议】。 “Pickling”是将Python对象层次结构转换为字节流的过程， “unpickling”是反向操作，从而将【字节流（来自二进制文件或类似字节的对象）】
阅读全文
摘要：机器学习实例 2.1、决策树（介绍） 一、总结 一句话总结： 得到原始数据集，然后基于最好的属性值划分数据集，由于特征值可能多于两个，因此可能存在【大于两个分支的数据集划分】。第一次划分之后，数据集被向下传递到树的分支的下一个结点。在这个结点上，我们可以【再次划分】数据。因此我们可以采用【递归】的原
阅读全文
摘要：如何计算熵 一、总结 一句话总结： 【就是信息乘概率然后求和】：H=−n∑i=1p(xi)log2p(xi)
【所有的信息期望值】：为了计算熵，我们需要计算所有类别所有可能值包含的【信息
阅读全文
摘要：sklearn库简单介绍 一、总结 一句话总结： sklearn库的共分为6大部分，分别用于完成【数据的预处理、模型选择、分类任务、回归任务、聚类任务和降维任务】。 【各种机器学习方法很多都有现成的】，非常非常好用的一个库 1、sklearn库-分类任务？ 比如最近邻、支持向量机、决策树、朴素贝叶斯
阅读全文
摘要：机器学习实例 1.3、k-近邻算法（数字识别） 一、总结 一句话总结： 原理非常简单，这里的每个数字都是1024维的向量，由0和1组成，【求解的时候就是求测试的点（那个1024维数据）和所有训练数据（也是一个个1024维数据）的距离】，然后根据【最近的k个】来确定分类即可 相比于简单knn和海伦约会
阅读全文
摘要：机器学习实例 1.2、k-近邻算法（海伦约会） 一、总结 一句话总结： 核心代码就是直接调用 【简单k-nn】 里面的那个 【classify0方法】，非常简单 也就是说，k-nn在实战中也是【非常非常简单】的，就是【选最近邻的k个】来确定分类 def classify0(inX, dataSet,
阅读全文
摘要：数据分析归一化简介 一、总结 一句话总结： 一种是把数变为（0，1）之间的小数 一种是把有量纲表达式变为无量纲表达式 1、归一化中 把数变为（0，1）之间的小数 的实例？ 求和，然后算权值 {2.5 3.5 0.5 1.5}归一化后变成了{0.3125 0.4375 0.0625 0.1875} 解
阅读全文
摘要：min-max归一化矩阵代码 一、总结 一句话总结： 这里是min-max归一化，就【按公式x* =(x-min)/(max-min)来做矩阵运算】就可以了 min-max标准化：x* =(x-min)/(max-min)：【新数据加入，需重新计算max和min】 这里矩阵运算你的话主要就是【平铺t
阅读全文
摘要：数据归一化和两种常用的归一化方法 一、总结 一句话总结： min-max标准化：x* =(x-min)/(max-min)：新数据加入，需重新计算max和min Z-score标准化：x* =(x-μ)/σ：μ为所有样本数据的均值，σ为所有样本数据的标准差 1、为什么要对数据进行归一化处理？ 不同评
阅读全文
摘要：机器学习实例 1.1、k-近邻算法（简单k-nn） 一、总结 一句话总结： 【取最邻近的分类标签】：算法提取样本最相似数据(最近邻)的分类标签 【k的出处】：一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处 【k-近邻算法实例】：比如，现在我这个k值取3，那么在电影例
阅读全文
摘要：Python中的operator.itemgetter函数 一、总结 一句话总结： 【itemgetter函数用于获取对象的哪些维的数据】：operator模块提供的itemgetter函数用于获取对象的哪些维的数据，参数为一些序号（即需要获取的数据在对象中的序号） 实例：a = [1,2,3] b
阅读全文
摘要：np.tile()函数的作用 一、总结 一句话总结： 本着函数取名必有所依的原理，tile有【平铺】的意思。 【1.沿X轴复制】：在numpy中，np.tile（a,(2)）函数的作用就是将函数将函数沿着X轴扩大两倍。如果扩大倍数【只有一个，默认为X轴】 【2.XY轴都复制，或只沿着Y轴复制的方法】
阅读全文
摘要：MCMC采样法 一些前置知识 一、总结 一句话总结： 作为一种随机采样方法，【马尔科夫链蒙特卡罗】（Markov Chain Monte Carlo，以下简称MCMC）在机器学习,深度学习以及自然语言处理等领域都有广泛的应用，【是很多复杂算法求解的基础】。下面我们就对MCMC的原理做一个总结。 从名
阅读全文
摘要：条件随机场 简介 一、总结 一句话总结： 【条件随机场（conditional random field，简称CRF）】，是一种鉴别式机率模型，是随机场的一种，【常用于标注或分析序列资料，如自然语言文字或是生物序列】。 条件随机场(CRF)由Lafferty等人于2001年提出，结合了【最大熵模型】
阅读全文
摘要：维特比算法通俗案例 一、总结 一句话总结： 月儿通过询问村民的感觉，判断她的病情，再假设村民只会回答正常、头晕或冷。村民三天的感觉分别为：【正常，冷，头晕】。 那么问题来了，月儿如何根据阿驴的描述的情况，【推断出这三天】中阿驴的一个【身体状态】呢? 因此，从HMM隐马尔科夫模型的角度来说，【健康或者
阅读全文
摘要：维特比算法超通俗实例 一、总结 一句话总结： 经过B1的所有路径只有3条：S-A1-B1、S-A2-B1、S-A3-B1以上这三条路径，各节点距离加起来对比一下，我们就可以知道其中哪一条是最短的。假设S-A3-B1是最短的，那么我们就知道了经过B1的所有路径当中S-A3-B1是最短的，其它两条路径路
阅读全文
摘要：维特比算法 算天晴下雨的例子 一、总结 一句话总结： 1、【定义V[时间][今天天气] = 概率】，注意今天天气指的是，前几天的天气都确定下来了（概率最大）今天天气是X的概率，这里的概率就是一个累乘的概率了。 2、因为第一天我的朋友去散步了，所以【第一天下雨的概率V[第一天][下雨] = 初始概率[
阅读全文
摘要：最大熵模型 小结 一、总结 一句话总结： 我们在投资时常常讲【不要把所有的鸡蛋放在一个篮子里】，这样可以降低风险。在信息处理中，这个原理同样适用。在数学上，这个原理称为【最大熵原理(the maximum entropy principle)】。 让我们看一个拼音转汉字的简单的例子。假如输入的拼音是
阅读全文
摘要：隐马尔可夫模型（HMM）总结 一、总结 一句话总结： 【社会规律】：【规律就是【不可抗拒】，谁也别想【免俗】】，比如社会的本质规则，比如人的一些本质规律，比如社交本质规律，【不可以违背，但是可以超脱，不可违反，但是可以急速，读书做人做事请注意方法】 1、什么是熵(Entropy)？ 【系统的无序程度
阅读全文
摘要：百面机器学习笔记 0、读大纲 一、总结 一句话总结： 第1章、【特征工程】；第2章、【模型评估】；第3章、【经典算法】 第4章、【降维】；第5章、【非监督学习】；第6章、【概率图模型】 第7章、【优化算法】；第8章、【采样】 第9章、【前向神经网络】；第10章、【循环神经网络】；第11章、【强化学习
阅读全文
摘要：统计学习方法笔记 1203、统计学习方法总结（3.学习策略、4.学习算法） 一、总结 一句话总结： 反复验证：英语还是读出来的，也就是用和读 1、支持向量机、逻辑斯谛回归与最大熵模型、提升方法 这3种损失函数都是【0-1损失函数】的上界，具有相似的形状？ 支持向量机：【合页损失函数】：$$[ 1 -
阅读全文
摘要：统计学习方法笔记 1202、统计学习方法总结（1.适用问题、2.模型） 一、总结 一句话总结： 【你不懂】：《我在天堂等你》第14集，【社会规则，你不懂，你就算看了再多实例（哪怕是自己经历过的），你还是不懂】。白雪梅和欧战军的年龄差、吸引、事业等。你不懂《大校的女儿》中张雁南说的话，以及韩琳说的话。
阅读全文
摘要：统计学习方法笔记 1201、统计学习方法总结 一、总结 一句话总结： 本书共介绍了10种主要的统计学习方法：【感知机】、【k近邻法】、【朴素贝叶斯法】、【决策树】、【逻辑斯谛回归与最大熵模型】、【支持向量机】、【提升方法】、【EM算法】、【隐马尔可夫模型】和【条件随机场】. 1、10种统计学习方法特
阅读全文
摘要：统计学习方法笔记 0、读大纲 一、总结 一句话总结： 第1章、统计学习方法【概论】；第2章、【感知机】；第3章、【k近邻法】； 第4章、【朴素贝叶斯法】；第5章、【决策树】；第6章、【逻辑斯谛回归】与【最大熵模型】； 第7章、【支持向量机】；第8章、【提升方法（比如AdaBoost）】；第9章、【E
阅读全文
摘要：last和late的区别 一、总结 一句话总结： 【late】：【形容词,晚的,已故的等】：He is always late. 【副词】：He comes late. 【lately】：【副词,近来,不久前】：He comes here lately.他最近会来到这里 【latest】：【late
阅读全文
摘要：半监督学习总结 一、总结 一句话总结： 在【有标签数据+无标签数据】混合成的训练数据中使用的机器学习算法吧。一般假设，【无标签数据比有标签数据多】，甚至多得多。 其实，半监督学习的方法大都【建立在对数据的某种假设上】，只有满足这些假设，半监督算法才能有性能的保证，这也是限制了半监督学习应用的一大障碍
阅读全文
摘要：深度学习花书笔记 0、读大纲 一、总结 一句话总结： 第一部分：【应用数学与机器学习基础】：也就是【线代、概率论】等数学基础 第二章：线性代数第三章：概率与信息论第四章：数值计算（上溢和下溢、病态条件、约束优化等）第五章：机器学习基础（机器学习的一些概念，比如数据集啥的） 第二部分：【深度网络：现代
阅读全文
摘要：机器学习西瓜书白话解读笔记 0401-0404、信息和熵的度量 一、总结 一句话总结： 【心理建设很必要】：每天花一点时间搞心理建设是非常必要的，【磨刀不误砍柴工】 1、概率不相等情况下怎么计算信息熵？ 【拆分成等概率】的情况就好 2、信息如何量化 实例？ 要确定一件事提供的信息，可以【前后两次对熵
阅读全文
摘要：机器学习实战笔记 0、读大纲 一、总结 一句话总结： 第一部分：【分类】：第1章机器学习基础、第2章【k近邻算法】、第3章【决策树】、第4章基于概率论的分类方法：【朴素贝叶斯】、第5章【Logistic回归】、第6章【支持向量机】、第7章利用【Adaboost】元算法提高分类性能 第二部分：【利用回
阅读全文
摘要：数据挖掘十大经典算法（各自优缺点 / 适用数据场景） 一、总结 一句话总结： 【C4.5】（一种分类决策树算法）、【K-Means算法】（聚类算法） 【Support vector machines】（应用于统计分类以及回归分析）、【The Apriori algorithm】（挖掘布尔关联规则频繁
阅读全文
摘要：js中的常用事件 一、总结 一句话总结： 一些方法中需要传事件名，比如on方法：【on(events,[selector],[data],fn)】中的第一个参数events：$("body").on("click", "#fry_recent_mood_text", function (e) {})
阅读全文
摘要：博客园 最近心境总结文字重点标颜色 一、总结 一句话总结： 可以动态用on方法绑定click事件，【load加载完了之后触发这个点击事件】即可 【动态用on方法绑定click事件】：$("body").on("click", "#fry_recent_mood_text", function (e)
阅读全文
摘要：机器学习西瓜书白话解读笔记 0311-0317、梯度下降法 一、总结 一句话总结： 【接触理论】：很多事情【不需要想太多】，【多接触】，比如【学习】，学着学着，你就爱上它了，还比如【游戏】，比如其它的很多很多 1、梯度下降法？ 《深度学习入门》这本书上讲的很详细 2、【随机】梯度下降：Stochas
阅读全文
