摘要：
题目介绍 题目链接 https://pintia.cn/problem-sets/994805342720868352/problems/994805493648703488 题目考点 map、排序、模拟。map是简单地用了一下，排序也不难，重在模拟。 题目难度 PAT甲级25分 题目大意 长途电话 阅读全文
摘要：
题目介绍 题目链接 https://pintia.cn/problem-sets/994805342720868352/problems/994805502658068480 题目考点 排序、模拟，重点在模拟而非排序 题目难度 PAT甲级25分 题目大意 给出多个学生的C语言（C）、数学（M）、英语 阅读全文
摘要：
题目介绍 题目链接 https://pintia.cn/problem-sets/994805342720868352/problems/994805419468242944 题目考点 队列、模拟。重点在模拟，队列只用到了建立、入队、出队、清空（需要自己实现，创建新的队列然后赋值或者swap）。 题 阅读全文
摘要：
链式法则（Chain Rule） \(z=h(y),y=g(x)\to\frac{dz}{dx}=\frac{dz}{dy}\frac{dy}{dx}\) \(z=k(x,y),x=g(s),y=h(s)\to\frac{dz}{ds}=\frac{dz}{dx}\frac{dx}{ds}+\fra 阅读全文
摘要：
为什么是“深度”神经网络？ 问题与答案 矮胖的神经网络和高瘦的神经网络，假设它们参数量相同，哪一个更好呢？ 2011年有一个实验，证明在参数量相当的情况下，高瘦的神经网络（即深度神经网络）的准确度更高，因为深度可以实现模块化。 只用一个神经元足够多的隐藏层，这个模型就包括了任意函数，那为什么不这么做 阅读全文
摘要：
题目介绍 题目链接 https://pintia.cn/problem-sets/994805342720868352/problems/994805498207911936 题目考点 队列和模拟，重难点在于模拟而非队列 题目难度 PAT甲级30分 题目大意 有N个窗口，每个窗口最多允许M个人站在黄 阅读全文
摘要：
引言 poplib是一个python第三方库，基于它我们可以连接POP3服务器。 email是一个python内置的模块，基于它我们可以管理邮箱中的邮件。 Some Story 我现在需要下载很多邮件的附件。我之前有一份相同功能的代码（点击这里），发布出来之后博客访问量也挺高。然而，当时由于时间原因 阅读全文
摘要：
深度学习的历史 1958年：心理学家Rosenblatt提出感知机（Perceptron） 它是一个线性模型。 1969年：有人说感知机是线性模型，具有局限性。 1980年代：多层感知机（Multi-layer Perceptron） 和当今的神经网络是没有本质差别的。 1986年：Hinton提出 阅读全文
摘要：
逻辑回归 假设训练集如下，有2个类别$C_1$和$C_2$，表格中的每列为一个样本。 例如，第一列表示样本$x1$的类别为$C_1$，所以它的标签$\hat y1$是1。 \(x^1\) \(x^2\) \(x^2\) \(\dots\) \(x^N\) \(C_1\) \(C_1\) \(C_2\ 阅读全文
摘要：
贝叶斯公式 \(P(A\cap B)=P(A)P(B|A)=P(B)P(A|B)\) \(P(A|B)=\frac{P(B|A)P(A)}{P(B)}\) 全概率公式 \(P(B)=\sum_{i=1}^nP(A_i)P(B|A_i)\) 概率生成模型（Probalitity Generative 阅读全文
摘要：
分类模型应用案例（Classification Cases） 信用评分（Credit Scoring） 输入：收入、储蓄、职业、年龄、信用历史等等 输出：是否贷款 医疗诊断（Medical Diagnosis） 输入：现在症状、年龄、性别、病史 输出：哪种疾病 手写文字识别（Handwritten 阅读全文
摘要：
梯度下降伪代码 梯度下降可以优化损失函数的值，使其尽量小，即可找到最好（在数据集上拟合效果最好）的模型参数。 现在假设模型$f$中只有一个参数$w$，则损失函数为$L(f)=L(w)$，梯度下降算法如下（若模型有多个参数，按相同方法更新各参数） 初始化参数 随机选取一个$w0$（$w0$并不一定是随 阅读全文
摘要：
本文为作者学习李宏毅机器学习课程时参照样例完成homework1的记录。 关注我的公众号：臭咸鱼，回复LHY可获取课程PPT、数据、笔记和代码下载链接。 代码仓库：chouxianyu/LHY_ML2020_Codes，里面除了代码还有数据、PPT、笔记等资源喔~ 任务描述（Task Descrip 阅读全文
摘要：
交叉验证（Cross Validation） 在机器学习中，通常不能将全部数据用于模型训练，否则将没有数据集可以用来评估模型。 The Validation Set Approach 定义 将数据集划分成训练集（Training Set）和测试集（Test Set）两部分。 缺点 这种方法的缺点是依 阅读全文
摘要：
欠拟合（Underfitting） 定义 Bias较大、Variance较小。 如果模型在训练集上的误差很大，则此时Bias是大的，情况为欠拟合。 Bias大时如何处理 使用更复杂的模型，比如添加考虑更多维度的输入、把线性模型换成非线性模型。 过拟合（Overfitting） 定义 Bias较小、V 阅读全文