08 2020 档案
摘要：玩转Linux编程，这篇记录总结学习，理解进程间通信机制，进程的执行顺序和关系，同步互斥问题。Linux系统调用函数的认识和使用更进一步掌握相关Linux知识。
阅读全文
摘要：Linux 是一个分时、多用户、多任务的操作系统。它具有精简的核心。linux 提供两种用户界面：一种是交互命令，即用户在终端上通过使用命令交互调用核外程序；另一种是系统调用，即用户编写程序时通过使用 C 语言的函数调用来调用系统核心功能。
阅读全文
摘要：隐马尔可夫模型HMM学习记录，这一章从概率图模型开始，学习常见的图模型具体的原理以及实现算法，包括了有向图模型：贝叶斯网络(BN)、（隐）马尔可夫模型(MM/HMM)，无向图模型：马尔可夫网络(MN)、条件随机场(CRF)。学习前提条件需要一定的概率论与数理统计知识，里面许多方法都是概率统计知识。
阅读全文
摘要：基于sklearn的线性判别分析(LDA)代码实现 一、前言及回顾 本文记录使用sklearn库实现有监督的数据降维技术——线性判别分析（LDA）。在上一篇LDA线性判别分析原理及python应用（葡萄酒案例分析），我们通过详细的步骤理解LDA内部逻辑实现原理，能够更好地掌握线性判别分析的内部机制。
阅读全文
摘要：目录 线性判别分析（LDA）数据降维及案例实战 一、LDA是什么 二、计算散布矩阵 三、线性判别式及特征选择 四、样本数据降维投影 五、完整代码 结语 一、LDA是什么 LDA概念及与PCA区别 LDA线性判别分析（Linear Discriminant Analysis）也是一种特征提取、数据压缩
阅读全文
摘要：运用sklearn进行主成分分析(PCA)代码实现 一、前言及回顾 二、sklearn的PCA类介绍 三、分类结果区域可视化函数 四、10行代码完成葡萄酒数据集分类 五、完整代码 六、总结 一、前言及回顾 从上一篇《PCA数据降维原理及python应用（葡萄酒案例分析）》，我们知道，主成分分析PCA
阅读全文
摘要：目录 主成分分析（PCA）——以葡萄酒数据集分类为例 1、认识PCA （1）简介 （2）方法步骤 2、提取主成分 3、主成分方差可视化 4、特征变换 5、数据分类结果 6、完整代码 总结： 1、认识PCA （1）简介 数据降维的一种方法是通过特征提取实现，主成分分析PCA就是一种无监督数据压缩技术，
阅读全文
摘要：本文记录刚接触Android开发搭建环境后新建工程各种可能的报错，并亲身经历漫长的解决过程(╥╯^╰╥)，寻找各种偏方，避免大家采坑，希望能帮助到大家。 报错信息 出错一：The import android.support cannot be resolved类型解决 出错二：android.su
阅读全文
摘要：深度学习模型的调优，首先需要对各方面进行评估，主要包括定义函数、模型在训练集和测试集拟合效果、交叉验证、激活函数和优化算法的选择等。 那如何对我们自己的模型进行判断呢？——通过模型训练跑代码，我们可以分别从训练集和测试集上看到这个模型造成的损失大小（loss），还有它的精确率（accuracy）。
阅读全文
摘要：前言 今天记录一下深度学习的另外一个入门项目——《mnist数据集手写数字识别》，这是一个入门必备的学习案例，主要使用了tensorflow下的keras网络结构的Sequential模型，常用层的Dense全连接层、Activation激活层和Reshape层。还有其他方法训练手写数字识别模型，可
阅读全文