末日搭车指南
面向人生编程

导航

 
上一页 1 2 3 4 5 6 7 8 ··· 10 下一页

2020年8月14日

摘要: 在链表类中实现这些功能: get(index):获取链表中第 index 个节点的值。如果索引无效,则返回-1。addAtHead(val):在链表的第一个元素之前添加一个值为 val 的节点。插入后,新节点将成为链表的第一个节点。addAtTail(val):将值为 val 的节点追加到链表的最后 阅读全文
posted @ 2020-08-14 00:32 末日搭车指南 阅读(194) 评论(0) 推荐(0) 编辑
 

2020年8月13日

摘要: 阅读全文
posted @ 2020-08-13 06:30 末日搭车指南 阅读(139) 评论(0) 推荐(0) 编辑
 

2020年5月5日

摘要: A prediction model that is composed of a set of models is called a model ensemble. Baggging 和Boosting都是模型融合的方法 boosting: 步骤1:所有分布下的基础学习器对于每一条数据相同的权重 步 阅读全文
posted @ 2020-05-05 07:30 末日搭车指南 阅读(815) 评论(0) 推荐(0) 编辑
 
摘要: 预剪枝(Pre-Pruning):预剪枝就是在构造决策树的过程中,先对每个结点在划分前进行估计,若果当前结点的划分不能带来决策树模型泛华性能的提升,则不对当前结点进行划分并且将当前结点标记为叶结点。 阅读全文
posted @ 2020-05-05 07:09 末日搭车指南 阅读(1391) 评论(0) 推荐(0) 编辑
 
摘要: https://www.cnblogs.com/wuliytTaotao/p/10724118.html 选 weighted variance 最小的 但是weighted variance是怎么计算的? Gini Index基尼系数:在CART里面划分决策树的条件是采用Gini Index 总体 阅读全文
posted @ 2020-05-05 06:25 末日搭车指南 阅读(131) 评论(0) 推荐(0) 编辑
 
摘要: 信息熵(entropy) 信息熵模型(香农Shannon’s Entropy Model) 在一个随机事件中,某个事件发生的不确定度越大,熵也就越大,那我们要搞清楚所需要的信息量越 信息增益(IG,Information Gain):决策树构建中节点的选择靠的是信息增益 表示得知特征A的信息而使得D 阅读全文
posted @ 2020-05-05 03:41 末日搭车指南 阅读(204) 评论(0) 推荐(0) 编辑
 

2020年5月2日

摘要: 1 阅读全文
posted @ 2020-05-02 01:14 末日搭车指南 阅读(130) 评论(0) 推荐(0) 编辑
 

2020年5月1日

摘要: Feedforward neural networks or deep feedforward networks or multilayer perceptrons Pass input through a series of intermediate computations (hidden la 阅读全文
posted @ 2020-05-01 04:22 末日搭车指南 阅读(734) 评论(0) 推荐(0) 编辑
 

2020年4月4日

摘要: 阅读全文
posted @ 2020-04-04 04:21 末日搭车指南 阅读(106) 评论(0) 推荐(0) 编辑
 

2020年4月3日

摘要: https://www.jianshu.com/p/4db7a5eedc42 c语言中字符串有3个核心要点:第一是用指针指向字符串的头;第二是固定尾部(字符串总是以\n来结尾);第三是组成字符串的各字符彼此地址相连。 \0'作为特殊的数字被字符串定义为结尾标志:副作用是字符串中无法包含‘\0'这个字 阅读全文
posted @ 2020-04-03 04:24 末日搭车指南 阅读(109) 评论(0) 推荐(0) 编辑
 
上一页 1 2 3 4 5 6 7 8 ··· 10 下一页