摘要: 1.分析 首先,这样的数组一定是有正负数组成的,这样问题才有意义。要求解这个问题,可以使用分治思想将所求问题的规模变小,通过求解子问题的解来最终得到所求问题的解,显然每个子问题和原问题相同,可以用递归来进行求解。 我们知道,通过将数组一分为二后,最大子数组有以下三种位置: 存在于左子数组中 存在于右 阅读全文
posted @ 2017-10-27 15:09 GoodPanpan 阅读(367) 评论(0) 推荐(0) 编辑
摘要: 作者:知乎用户链接:https://www.zhihu.com/question/41252833/answer/108777563来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 熵的本质是香农信息量()的期望。 现有关于样本集的2个概率分布p和q,其中p为真实分布, 阅读全文
posted @ 2017-10-27 11:26 GoodPanpan 阅读(399) 评论(0) 推荐(0) 编辑
摘要: 在源文件A1.c中调用A2.c 中的函数有两种方法: 1.在A2.c中有完整的函数定义,在A1.c中添加一下要用到的函数原型(声明)就可以了,例如:在A2.c中:有函数void A2(){...};在A1.c中:在文件前头增加一行:void A2();就可以了 2.把A2.c中完整定义的函数的原型, 阅读全文
posted @ 2017-04-07 22:51 GoodPanpan 阅读(29021) 评论(0) 推荐(1) 编辑
摘要: 1.AdaBoost 思想 补充:这里的若分类器之间有比较强的依赖关系;对于若依赖关系的分类器一般使用Bagging的方法 弱分类器是指分类效果要比随机猜测效果略好的分类器,我们可以通过构建多个弱分类器来进行最终抉择(俗话说,三个臭皮匠顶个诸葛亮大概就这意思)。首先我们给每个样例初始化一个权重,构成 阅读全文
posted @ 2017-04-05 15:40 GoodPanpan 阅读(5272) 评论(0) 推荐(0) 编辑
摘要: 1.利用Logistic regression 进行分类的主要思想 根据现有数据对分类边界线建立回归公式,即寻找最佳拟合参数集,然后进行分类。 2.利用梯度下降找出最佳拟合参数 3.代码实现 结果: the error rate of this test is:0.522388 the error 阅读全文
posted @ 2017-03-29 12:09 GoodPanpan 阅读(262) 评论(0) 推荐(0) 编辑
摘要: 1.从文本中构建词向量 将每个文本用python分割成单词,构建成词向量,这里首先需要一个语料库,为了简化我们直接从所给文本中抽出所有出现的单词构成一个词库。 2.利用词向量计算概率p(x|y) When we attempt to classify a document, we multiply 阅读全文
posted @ 2017-03-28 20:32 GoodPanpan 阅读(555) 评论(0) 推荐(0) 编辑
摘要: 本文介绍了Alex net 在imageNet Classification 中的惊人表现,获得了ImagaNet LSVRC2012第一的好成绩,开启了卷积神经网络在cv领域的广泛应用。 1.数据集 ImageNet [6], which consists of over 15 million l 阅读全文
posted @ 2017-03-21 12:22 GoodPanpan 阅读(393) 评论(0) 推荐(0) 编辑
摘要: # coding: utf-8 # In[128]: get_ipython().magic(u'matplotlib inline') import pandas as pd from pandas import Series,DataFrame import seaborn as sns sns.set_style('whitegrid') pd.set_option('display.... 阅读全文
posted @ 2017-02-14 19:41 GoodPanpan 阅读(404) 评论(0) 推荐(0) 编辑
摘要: 在线性回归的基础上加上正则项: 阅读全文
posted @ 2016-12-15 21:43 GoodPanpan 阅读(153) 评论(0) 推荐(0) 编辑
摘要: 利用python实现简单的线性回归对房屋面积进行预测 注:在这里只是简单的利用LMS Loss Function 和 GD对Linear Regression进行了编写,并没有预测 阅读全文
posted @ 2016-12-15 19:09 GoodPanpan 阅读(376) 评论(0) 推荐(0) 编辑