01 2018 档案
摘要:1月29日 继续贝叶斯 把前两天落下的考虫晨读再回看一下视频,不能新鲜三天。 2月3日 sublime text3 F5运行:http://blog.csdn.net/u010223904/article/details/46354495 使用anaconda prompt中的conda命令:htt
阅读全文
摘要:1月22日 未学习,收拾行李,回家。 1月23日 到家,安排计划,休息。考虫晨读。 1月24日 考虫晨读,朴素贝叶斯 1月25日~1月28日 我是个红警迷,无意中在红警贴吧里发现了一块和红警很像的手游,然后我就下载了,然后就掉坑了四天。 我发现这个游戏做的太好了,虽然它会提示你,想尽方法让你充钱,但
阅读全文
摘要:经过这一段时间学习,发现ML in Action这本书确实是侧重代码方面,关于数学推导方面还是很少,需要不断查看文档。 链接: 贝叶斯网络、拉普拉斯平滑 链接: Naive Bayes 看完拉普拉斯平滑后,我觉得书上有问题,就是防止概率中有0的时候,分子每项加一,它写的分母 p0Denom = 2.
阅读全文
摘要:代码还好懂,但是后面选择更好的划分数据集的方法,有点不知道为什么那样选。 还要好好理解推导。 append和extend区别: 1月18日 今天上午从 网上搜了一些其他人的笔记,加上自己思考,才明白这里要干什么,书上推导部分都省略了。 关于条件熵: http://blog.csdn.net/xwd1
阅读全文
摘要:1月15日 今天把kNN算法整理一下,kNN 老友记第八集 1月16日 上午又把时间的朋友重新看了一下,罗胖的思维还是可以的。 继续整理kNN 老友记第九集和第十集 1月17日 今天和gf去市图书馆学习,感觉一天效率能顶在家里两天! kNN 开始学习 决策树 1月18日 决策树 1月19日 这几天机
阅读全文
摘要:1.算法工作原理 存在一个训练样本集,我们知道样本集中的每一个数据与所属分类的对应关系,输入没有标签的新数据后,将新数据的每个特征与样本集中数据对应特征进行比较,然后算法提取样本集中特征最相似的数据(最近邻)的分类标签。一般来说,我们只选择样本数据集中前k个最相似的数据,这就是k-近邻算法中k的出处
阅读全文
摘要:第一周 1.8~1.14 1月8号 python编译环境配置 蟒蛇小程序 第二种函数库导入方式: 温度转换 eval eval函数的常用方式 彩色小蟒蛇 哈哈 三角形 看了老友记两集,贼搞笑,哈哈。 1月9号 绘制五角星,对那个pos()还是不太理解。 1月15号补:pos()函数求的是Vec2D二
阅读全文