摘要：
PCA(principal component analysis )即主成分分析，是一种常用的降维方法。假设我们用降维操作处理一个二维的数据集（二维压缩成一维）：在这个数据集上，我们可以计算出两个方向，我们称为主方向u1和次方向u2，其中u1的值是数据集协方差矩阵的最大特征值对应的特征向量，u2是次... 阅读全文
摘要：
我们知道在神经网络上通过前向传导和后向传导算法，可以再给定训练集的基础上训练参数，这是神经网络有监督学习的一种应用。但是有时候数据集并不是都有标签的，我们希望给一堆数据之后，通过神经网络，在没有既定目标函数的情况下，在一定约束下神经网络能够自行独立地学习到一些参数。这种没有特定学习目标的学习方法，就... 阅读全文
摘要：
我们知道神经网络有forward propagation，很自然会想那有没有Backpropagation，结果还真有。forward progation相当于神经网络额一次初始化，但是这个神经网络还缺少训练，而Backpropagation Algorithm就是用来训练神经网络的。假设现在又m组... 阅读全文
摘要：
由生物学基础我们知道，神经网络是有无数个神经元和连接这些神经元的突触构成的，某个神经元接受一系列的电信号刺激，当这个刺激达到一定的阀值后，这个神经元就被激活，通过突触将某些信息传递给下一个神经元。每个神经元可以看成是一个激活函数(activation function)，输入值为强度大小不同的电刺激... 阅读全文
摘要：
Logistic回归模型是引入Logistic函数后对线性回归模型进行的归一化处理:这样处理的结果是输出的结果在[0,1]之内，避免了某个特征影响过大。从概率的角度，我们可以将其理解为某个事件发生的可能性。代价函数为：这个代价函数的推导涉及到极大似然估计，推导如下：整合上面两式：在独立同分布的前提下... 阅读全文
摘要：
Sort ColorsGiven an array withnobjects colored red, white or blue, sort them so that objects of the same color are adjacent, with the colors in the or... 阅读全文
摘要：
变量多于两个时，线性回归模型就变成了多元线性回归模型：代价函数为：线性回归模型的训练（就是用梯度下降法求解最小代价函数）需要注意一些问题：1.的值1和2的值相差太多时，梯度下降法难以收敛2.学习速率代价函数应该是递减的，如果代价函数不减反增，那么很可能是学习速率太大，跳过了极小值。3.代价函数代价函... 阅读全文
摘要：
线性回归模型是最简单的监督式学习模型：所谓的监督式学习模型就是需要通过已有的数据训练出一个最优的模型，能够表示这些已有的模型并能够预测新的数据。怎么判断模型是不是最优的呢？这就需要引入代价函数（Cost Function）：怎么得到最优的模型呢？这就需要求解代价函数的最小值，也就需要引入梯度下降法。... 阅读全文
摘要：
Given a column title as appear in an Excel sheet, return its corresponding column number.For example: A -> 1 B -> 2 C -> 3 ... Z -> 26 ... 阅读全文
摘要：
Excel Sheet Column TitleGiven a positive integer, return its corresponding column title as appear in an Excel sheet.For example: 1 -> A 2 -> B ... 阅读全文