hello-nullptr

摘要： 0 引言 问题：从无序数组中选择第k小的元素。 1 随机选择法 1.1 算法步骤： 选择基准元素：随机选择一个元素作为基准。 分区：对数组进行分区，使得基准元素左边的所有元素都小于它，右边的所有元素都大于它。分区过程完成后，我们得到了基准元素在数组中的位置pivotIndex。 递归选择： 如果pi 阅读全文

摘要： 0 前言 当我们遇到需要处理非常大的整数的情况时，标准的数据类型如int或long long int可能无法满足需求，因为这些类型的数值范围有限。在这种情况下，我们需要一种方法来处理超出常规数据类型范围的大整数。本文将介绍如何使用C++实现大整数相加。 1 大整数相加的基本原理 从最低位开始逐位相加 阅读全文

摘要： 1. 问题重现 笔者在训练Vgg16网络时出现不收敛问题，具体描述为训练集准确率和测试集准确率一直稳定于某一值，如下图所示。 2. 可能的原因 2.1 数据问题 噪声数据。不平衡的数据集、含有噪声或异常值的数据可能导致模型难以学习，尝试更换数据集，出现这种问题比较难办。 数据预处理。确保数据质量，包 阅读全文

摘要： 0 引言 GoogLeNet，它是一种深度卷积神经网络，由Google研究人员在2014年提出，用于图像识别任务。 CIFAR-10是一个常用的图像识别数据集，包含10个类别，每个类别有6000张32x32的彩色图像。 本文使用Pycharm及Pytorch框架搭建GoogLeNet神经网络框架，使 阅读全文

摘要： 0 前言 本文主要介绍极大似然估计的意义，并举出例题帮助读者理解。 1 思想 极大似然估计（Maximum Likelihood Estimation, MLE）是一种在统计学中估计模型参数的方法。它的基本思想是：找到一组参数值，使得在这组参数下，观测到的数据出现的概率（即似然函数）最大。 假如有一 阅读全文

摘要： 0 前言 本文主要讲述使用基尼指数构建二叉决策树的算法，并给出例题一步步解析，帮助读者理解。 本文所使用的数据集：贷款.CSV。 读者需要具备的知识：基尼指数计算。 1 基于基尼指数的分类树构建算法 选择最优特征进行分裂： 对于决策树的每个节点，遍历数据集中的所有特征。对于每个特征，考虑其所有可能的 阅读全文

摘要： 0 前言 本文主要介绍基尼指数的计算公式及计算方法，并举出相关例题帮助理解。 读者需要提前了解：信息熵。 数据集：贷款.CSV。 1 基尼指数简述 基尼指数（Gini Index）是一个在多个领域都有应用的重要指标，但其主要应用之一是在决策树算法中，用于衡量数据集的不纯度或混乱程度。 基尼指数也被称 阅读全文

摘要： 0 前言 本文主要讲述了决策树C4.5算法构建原理并举例说明。 读者需要具备的知识有：信息熵、条件熵、信息增益、信息增益比。 本文所使用的数据集为：西瓜数据集 1.2节。 1 C4.5算法流程 准备数据集： 输入数据集包含多个样本，每个样本具有多个特征（属性）和一个目标类别标签。 设置阈值： 初始化 阅读全文

摘要： 0 前言 本文主要介绍决策树ID3算法，并举出构建示例帮助理解。 读者需要具备的知识：信息熵、条件熵、信息增益。 本文使用数据集为：游玩数据集 1.1节、西瓜数据集 1.2节。 1 ID3算法简述 ID3（Iterative Dichotomiser 3）算法是一种经典的决策树学习算法，由Ross 阅读全文

摘要： 0 前言 本文主要介绍决策树信息增益比的计算，并给出例子帮助读者理解。 读者需要具备：信息熵、条件熵、信息增益 相关知识。 本文使用数据集：游玩数据集 1.1节。 1 信息增益比计算公式 2 信息增益比计算 2.1 gR(play,outlook)的计算 根据信息增益(跳转)相关知识，得出： 特征o 阅读全文