摘要： 在settings.json里添加 { "C_Cpp.default.cStandard": "gnu99" } 关键是那个gnu，因为getopt.h是unix c标准里的，在standard c库里 阅读全文

摘要： SVHN数据集官网：http://ufldl.stanford.edu/housenumbers/ SVHN数据集官方提供的有两种格式 Format1是那种在街上拍的照片，每张照片的尺寸都不同，然后label提供了照片上门牌上的所有数字，和每一个单独的数字的bounding box； Format2 阅读全文

摘要： 将类似于 git clone https://github.com/graykode/nlp-tutorial 的命令改成 https://github.com.cnpmjs.org/graykode/nlp-tutorial 这样的，就可以了 阅读全文

摘要： 以下内容基于对[中字]信息熵，交叉熵，KL散度介绍||机器学习的信息论基础这个视频的理解，请务必先看几遍这个视频。 假设一个事件可能有多种结果，每一种结果都有其发生的概率，概率总和为1，也即一个数据分布。我们可以用哈夫曼编码作为最佳编码方案编码这些事件，并将多次事件发生的情况信息以哈夫曼编码的形式传 阅读全文

摘要： 假设有两类样本，A类和B类，我们要衡量分类器分类A的能力。 现在将所有样本输入分类器，分类器从中返回了一堆它认为属于A类的样本。 召回率：分类器认为属于A类的样本里，真正是A类的样本数，占样本集中所有真正A类样本的比例。也就是说，如果分类器认为所有样本都属于A类，那么它的召回率一定是100%，因为它 阅读全文

摘要： 生成方法：由数据学习联合概率分布P(X,Y)，然后求出条件概率分布P(Y|X)作为预测的模型 判别方法：由数据直接学习决策函数f(X)或者条件概率分布P(Y|X)作为预测的模型 生成方法的特点：可以还原出联合概率分布，学习收敛速度更快，可以处理隐变量 判别方法的特点：不能还原出联合概率分布，学习收敛 阅读全文

摘要： x：观测到的样本。θ：概率模型的参数。 先验p(θ)：对参数的各种取值的似然先入为主的判断 后验p(θ|x)：给定样本后，对参数各种取值的似然做出的判断 似然p(x|θ)：给定样本下，参数为真实值的可能性。或者，模糊地讲：参数与样本的匹配程度。 每一个样本集，对应着的模型，中的参数，的真实值，都记载 阅读全文