04 2019 档案
摘要：机器学习——线性回归的原理，推导过程，源码，评价
阅读全文
摘要：线性滤波可以说是图像处理最基本的方法，它可以允许我们对图像进行处理，产生很多不同的效果。做法很简单。首先，我们有一个二维的滤波器矩阵（有个高大上的名字叫卷积核）和一个要处理的二维图像。然后，对于图像的每一个像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为该像素位置的值。这样就完
阅读全文
摘要：矩阵SVD 奇异值分解(Singular Value Decomposition)是一种重要的矩阵分解方法，可以看做是对方阵在任意矩阵上的推广。Singular的意思是突出的，奇特的，非凡的，按照这样的翻译似乎也可以叫做矩阵的优值分解。 假设矩阵A是一个m*n阶的实矩阵，则存在一个分解使得： 其中，
阅读全文
摘要：在对数据进行可视化的过程中，可能经常需要对数据进行三维绘图，在python中进行三维绘图其实是比较简单的，下面我们将给出一个二元高斯分布的三维图像案例，并且给出相关函数的参数。 通常，我们绘制三维图像经常需要如下步骤： 1.生成二维的网格坐标数据，我们可以使用np.meshgrid(x, y)函数进
阅读全文
摘要：面向对象相关知识 类(Class): 用来描述具有相同的属性和方法的对象的集合。它定义了该集合中每个对象所共有的属性和方法。对象是类的实例。 方法：类中定义的函数。 类变量：类变量在整个实例化的对象中是公用的。类变量定义在类中且在函数体之外。类变量通常不作为实例变量使用。 数据成员：类变量或者实例变
阅读全文
摘要：在神经网络中，当我们的网络层数越来越多时，网络的参数也越来越多，如何对网络进行训练呢？我们需要一种强大的算法，无论网络多复杂，都能够有效的进行训练。在众多的训练算法中，其中最杰出的代表就是BP算法，它是至今最成功的神经网络学习算法。在实际任务中，大部分都是使用的BP算法来进行网络训练的。值得一提的是
阅读全文
摘要：在机器学习中，我们构建的模型，大部分都是通过求解代价函数的最优值进而得到模型参数的值。那么，对于构建好的目标函数和约束条件，我们应该如何对其进行求解呢！ 在机器学习中，最常用的优化方法是梯度下降法。梯度下降法或最速下降法是求解无约束最优化问题的一种最常用的方法，有实现简单的优点。梯度下降法是迭代算法
阅读全文
摘要：阿里云卸载自带的JDK，安装JDK完成相关配置
阅读全文
摘要：0.聚类 聚类就是对大量的未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大而类别间的数据相似度较小，聚类属于无监督的学习方法。 1.内在相似性的度量 聚类是根据数据的内在的相似性进行的，那么我们应该怎么定义数据的内在的相似性呢？比较常见的方法是根据数据的相似度或者
阅读全文
摘要：八皇后问题 将n个皇后放置在n*n的国际象棋棋盘上，其中没有任何两个皇后处于同一行，同一列或者同一对角线上，以使得的它们不能相互攻击。 问题分析 最简答的思路是把问题转化为“从64个格子中选一个子集”，使得“子集中恰好有8个格子，且任意选出两个格子都不在同一行，同一列或者同意对角线上”。这恰好是子集
阅读全文
摘要：最大子序列和问题 最大子列和问题是非常经典的问题，基本上讲算法的书都会将这个例子，用此例题来讲解算法时间复杂度的重要性，对比不同算法的时间复杂度。最大子列和问题如下：给定整数序列A1,A2,A3,A4,...,An(可能存在负数)，求A(i)+A(i+1)+........+A(j)的最大值（无法输
阅读全文
摘要：XGBoost大杀器，XGBoost模型原理，XGBoost参数含义
阅读全文
摘要：java中的数据类型 java是一种强类型语言，在java中，数据类型主要有两大类，基本数据类型和引用数据类型，不同的数据类型有不同的数据存储方式和分配的内存大小。 基本数据类型中，各数据类型所表示的范围也是不一样的，如下所示： 由于在java中，整数默认是采用int型，浮点数默认采用的是doubl
阅读全文
摘要：计算最大公因数的欧几里得算法 最大公因数最大公因数，也称最大公约数，指两个或多个整数共有约数中最大的一个。a，b的最大公约数记为（a，b）。求最大公约数有多种方法，常见的有质因数分解法、辗转相除法等等。 欧几里得算法欧几里德算法又称辗转相除法，是指用于计算两个正整数a，b的最大公约数。应用领域有数学
阅读全文
摘要：抽象数据类型 （abstract data type，ADT） 抽象数据类型是一些操作的集合。抽象数据类型是数学中的定义，在ADT中，我们不关心操作是如何被实现的。因此，这可以看做是模块化的扩充。例如表，树，图和它们的操作一起可以看做是抽象数据类型，就想整数，实数和布尔变量是数据类型一样。整数，实数
阅读全文
摘要：1.随机森林模型 RandomForestClassifier函数的参数含义详解： max_features：随机森林允许单个决策树使用特征的最大数量。 Python为最大特征数提供了多个可选项。 下面是其中的几个： Auto/None ：简单地选取所有特征，每颗树都可以利用他们。这种情况下，每颗树
阅读全文
摘要：0.决策树 决策树是一种树型结构，其中每个内部节结点表示在一个属性上的测试，每一个分支代表一个测试输出，每个叶结点代表一种类别。 决策树学习是以实例为基础的归纳学习 决策树学习采用的是自顶向下的递归方法，其基本思想是以信息熵为度量构造一棵熵值下降最快的树。到叶子节点的处的熵值为零，此时每个叶结点中的
阅读全文
摘要：机器学习，交叉验证，GridSearchCV参数含义，岭回归
阅读全文
摘要：logistic回归，鸢尾花数据集预测，数据可视化，StandardScaler，LogisticRegression()，pcolormesh
阅读全文