摘要: 1)theano主要支持符号矩阵表达式(2)theano与numpy中都有broadcasting:numpy中是动态的,而theano需要在这之前就知道是哪维需要被广播。针对不同类型的数据给出如下的一张表,基本类型包括scalar、vector、row、col、matrix、tensor3、ten... 阅读全文
posted @ 2015-12-05 13:32 视觉书虫 阅读(307) 评论(0) 推荐(0) 编辑
摘要: 像素图生成向量图的算法数字时代早期的图片,分辨率很低。尤其是一些电子游戏的图片,放大后就是一个个像素方块。不过微软的研究员Johannes Kopf和 Hebrew 大学的Dani Lischinski研究了像素图生成向量图的算法,并且得到了很好的结果。下面的图就是像素图和转换后的向量图,可以看到,... 阅读全文
posted @ 2015-12-05 13:27 视觉书虫 阅读(1316) 评论(0) 推荐(0) 编辑
摘要: 黑白图着色(转换成彩色图片)的算法看到上面的图你肯定会觉得很神奇,这就是很白图着色算法的效果。黑白图着色算法可以让老照片变成彩色图片。稍微一下算法的实现方法,需要输入一些颜色信息,你需要在各个颜色边缘画一些带颜色的分界线,这个黑白图着色算法才会将图片转成你需要的彩色图片。参考http://www.c... 阅读全文
posted @ 2015-12-05 13:26 视觉书虫 阅读(2321) 评论(0) 推荐(0) 编辑
摘要: yield 生成器的运行机制当你问生成器要一个数时,生成器会执行,直至出现 yield 语句,生成器把 yield 的参数给你,之后生成器就不会往下继续运行。 当你问他要下一个数时,他会从上次的状态开始运行,直至出现yield语句,把参数给你,之后停下。如此反复直至退出函数。 阅读全文
posted @ 2015-12-05 13:25 视觉书虫 阅读(220) 评论(0) 推荐(0) 编辑
摘要: numpy.random.shuffle(x)Modify a sequence in-place by shuffling its contents.Parameters:x: array_likeThe array or list to be shuffled.Returns:NoneExamp... 阅读全文
posted @ 2015-12-05 11:45 视觉书虫 阅读(4757) 评论(0) 推荐(0) 编辑
摘要: 多分类问题 在一个多分类问题中,因变量y有k个取值,即。例如在邮件分类问题中,我们要把邮件分为垃圾邮件、个人邮件、工作邮件3类,目标值y是一个有3个取值的离散值。这是一个多分类问题,二分类模型在这里不太适用。 多分类问题符合多项分布。有许多算法可用于解决多分类问题,像决策树、朴素贝叶斯等。这篇文章主... 阅读全文
posted @ 2015-12-04 14:22 视觉书虫 阅读(297) 评论(0) 推荐(0) 编辑
摘要: 总结为: 将一组数变换为 总和为1,各个数为0~1之间的软性归一化结果。=========================================================关于logistic regression中的softmax 函数是用来柔化输出值,减小值之间的差。用来归一化一... 阅读全文
posted @ 2015-12-04 14:18 视觉书虫 阅读(184) 评论(0) 推荐(0) 编辑
摘要: 最大似然法,英文名称是Maximum Likelihood Method,在统计中应用很广。这个方法的思想最早由高斯提出来,后来由菲舍加以推广并命名。最大似然法是要解决这样一个问题:给定一组数据和一个参数待定的模型,如何确定模型的参数,使得这个确定参数后的模型在所有模型中产生已知数据的概率最 大。通... 阅读全文
posted @ 2015-12-02 23:23 视觉书虫 阅读(1601) 评论(0) 推荐(1) 编辑
摘要: “回归”的由来FrancisGalton,英国生物学家,他研究了父母身高与子女身高之间关系后得出,若父母身高高于平均大众身高,则其子女身高倾向于倒退生长,即会比其父母身高矮一些而更接近于大众平均身高。若父母身高小于平均身高,则其子女身高倾向于向上生长,以更接近于大众平均身高。此现象,被Galton称... 阅读全文
posted @ 2015-12-02 23:22 视觉书虫 阅读(359) 评论(0) 推荐(0) 编辑
摘要: 一、标准化(Z-Score),或者去除均值和方差缩放公式为:(X-mean)/std 计算时对每个属性/每列分别进行。将数据按期属性(按列进行)减去其均值,并处以其方差。得到的结果是,对于每个属性/每列来说所有数据都聚集在0附近,方差为1。实现时,有两种不同的方式:使用sklearn.preproc... 阅读全文
posted @ 2015-12-02 23:20 视觉书虫 阅读(332) 评论(0) 推荐(0) 编辑