Processing math: 100%

11 2018 档案

摘要:Enjoy coding iTerm配置 主题选择 + Solarized Dark + LiquidCarbon 字体选择 + Cousine for Powerline(需要安装Powerline字体库), 18pt, Regular Powerline 字体安装 + 官方: "Powershe 阅读全文
posted @ 2018-11-29 20:01 gogogo11 阅读(372) 评论(0) 推荐(0)
摘要:配置vim 我的VIM配置文件(在这之前先安装并配置Vundle) + .vimrc vim " Basic Settings set nocompatible " required, so don't remove it. filetype off " required, so don't rem 阅读全文
posted @ 2018-11-29 17:29 gogogo11 阅读(632) 评论(0) 推荐(0)
摘要:直接上代码 阅读全文
posted @ 2018-11-29 11:44 gogogo11 阅读(177) 评论(0) 推荐(0)
摘要:无监督学习(Unsupervised Learning) 聚类无监督学习 特点 + 只给出了样本, 但是没有提供标签 + 通过无监督学习算法给出的样本分成几个族(cluster), 分出来的类别不是我们自己规定的, 而是无监督学习算法自己计算出来的 K means 聚类算法 规定 + $c^{(i) 阅读全文
posted @ 2018-11-28 10:50 gogogo11 阅读(3236) 评论(0) 推荐(0)
摘要:MATLAB 中 SVM 实现 直接上代码 + main.m + jhsvmtrain.m + jhsvmtest.m + jhkernel.m + jhplotdata.m 阅读全文
posted @ 2018-11-27 00:39 gogogo11 阅读(15317) 评论(6) 推荐(2)
摘要:可视化边界 python代码实现 MATLAB 实现 阅读全文
posted @ 2018-11-26 23:41 gogogo11 阅读(2779) 评论(0) 推荐(0)
摘要:SVM 什么是超平面 + 超平面的表达式为ωTx+b=0, 其中ω为超平面的一个法向量, b为超平面的偏移量 + 更多: 在几何中, 直线, 平面, 超平面无一例外都可以被表示成θTx+b=0或者ωTx+b=0, 其中, 因为x没有包含偏 阅读全文
posted @ 2018-11-26 09:10 gogogo11 阅读(283) 评论(0) 推荐(0)
摘要:拉格朗日乘数法 等式约束 + 作为一种优化算法,拉格朗日乘子法主要用于解决约束优化问题,它的基本思想就是通过引入拉格朗日乘子来将含有n个变量和k个约束条件的约束优化问题转化为含有(n+k)个变量的无约束优化问题。拉格朗日乘子背后的数学意义是其为约束方程梯度线性组合中每个向量的系数 + 以上是从别人的 阅读全文
posted @ 2018-11-25 17:51 gogogo11 阅读(2891) 评论(0) 推荐(0)
摘要:命令行编译java项目 + 项目名: testproj 目录 + src cn busix test + bin + lib 编译项目 + cd testproj + javac d ./bin cp .:bin:lib/somejar:other\_jar\_path encoding=utf 8 阅读全文
posted @ 2018-11-22 23:59 gogogo11 阅读(2070) 评论(0) 推荐(0)
摘要:LaTex 入门 此时是否安装成功 + 如果安装成功了LaTeX, 那么在计算机上会多出来LaTeX的编译器, LaTex Live 安装包在计算机上安装了多个不同的编译器, 有latex, xelatex, pdflatex等等 + latex v 或者 xelatex v测试是否安装成功 升级软 阅读全文
posted @ 2018-11-22 21:13 gogogo11 阅读(367) 评论(0) 推荐(0)
摘要:LaTeX 介绍 + LaTeX 只是一个语言(可以理解为一个Linux的内核) 分类(类似于Linux的发行版, 有Fedora, Manjaro, Ubuntu, Redhat) XeLaTeX pdflatexmk + CTeX, TeXLive(MacTeX)类似于Xcode和Visual 阅读全文
posted @ 2018-11-21 23:50 gogogo11 阅读(452) 评论(0) 推荐(0)
摘要:word 使用心得 定义快捷键 + Tools Customize keyboard 自定义快捷键 + cmd + L, 左对齐; cmd + R, 右对齐; cmd + E, 居中对齐 + cmd + return: 插入page break + cmd + ]: 字体放大 + cmd + [: 阅读全文
posted @ 2018-11-21 23:49 gogogo11 阅读(144) 评论(0) 推荐(0)
摘要:常用命令 + wget c: 断点续传 b: 后台执行 + touch a: 需改访问时间 m: 修改修改时间 + date date s '20180731 18:30:00' 将字符串中的时间设置成当前系统的日期 '+', 规定格式 %H: 小时(24) %I: 小时(12) %j: 当前天是当 阅读全文
posted @ 2018-11-19 17:45 gogogo11 阅读(98) 评论(0) 推荐(0)
摘要:机器学习的建议 开始设计一个机器学习系统 + 在刚刚开始入手一个机器学习项目的时候, 应该着手于如何将快速实现机器学习算法, 并立刻使用交叉验证的数据集合进行验证, 计算出损失值Jcv, 而不是在一开始设计的时候就考虑很多的因素, 比如是否需要更多的特征, 或者需要更多的样本, 实际上, 阅读全文
posted @ 2018-11-19 09:18 gogogo11 阅读(308) 评论(0) 推荐(0)
摘要:垃圾邮箱识别的特征选取 转换 + 在计算机领域中, 尤其是在机器学习和深度学习领域中, 数字特别的重要, 因为数学公式使用到的是数字, 计算机善于处理数字, 但是在垃圾邮箱识别中, 不可避免的会出现字符串, 我们要做的就是将字符串转换为数字 + 转换的方法类似于在神经网络(Neural Networ 阅读全文
posted @ 2018-11-18 19:14 gogogo11 阅读(654) 评论(0) 推荐(0)
摘要:分类问题参考参数 案例 + 现在有100个人要测试 + 通过实现一个分类器, 判断病人是否得了癌症 + 我们应该知道患癌症的概率还是小的 precision(精准率) 和 recall(查全率) + 关系图 | Predict data \ Actual data| 1 | 0 | | | | | 阅读全文
posted @ 2018-11-18 18:57 gogogo11 阅读(233) 评论(0) 推荐(0)
摘要:Linux文本处理工具 Linux中熟练的使用文本处理工具非常的重要, 因为Linux在设计的时候是采用一切皆文件的哲学的, 甚至连计算机中的配置也都使用伪文件系统来表示, 要查询里面的内容就是对文件进行操作, 所以学会使用文件处理工具事半功倍。而在一切皆对象的Windows中, 因为对象封装了所有 阅读全文
posted @ 2018-11-18 09:26 gogogo11 阅读(709) 评论(0) 推荐(0)
摘要:C++编译器 + 当我们定义了一个类的时候, C++编译器在默认的情况下会为我们添加默认的构造方法, 拷贝构造方法, 析构函数和=运算符 + 在第一次创建对象的语句中如: MyString myString = "hello, world!";中, 如果我们定义的构造函数为如下, 则就是隐式调用构造 阅读全文
posted @ 2018-11-17 08:26 gogogo11 阅读(930) 评论(0) 推荐(0)
摘要:数据降维 分类 + PCA(主成分分析降维) + 相关系数降维 PCA 降维(不常用) 实现思路 + 对数据进行 标准化 + 计算出数据的 相关系数矩阵 (是方阵, 维度是nxn, n是特征的数量) + 计算出 相关系数矩阵 的特征值和特征向量(虽然这里说的是向量, 但是是矩阵, 这个矩阵的每一列都 阅读全文
posted @ 2018-11-16 23:54 gogogo11 阅读(860) 评论(0) 推荐(0)
摘要:机器学习中的常用操作 + 输入节点到隐藏节点,特征数量n可能会变化,这个取决于我们定义的隐藏层的节点个数,但是样本数量m是不变的,从隐藏层出来还是m + 在预测的时候,我们需要不断的迭代输入的特征 提高精度 + 增加样本数量 解决high variance + 减少特征 解决high varianc 阅读全文
posted @ 2018-11-16 00:05 gogogo11 阅读(307) 评论(0) 推荐(0)
摘要:单词列表 + eradicate: 根除 + epidemic: 流行 + cumulative: 积累 + feasibility: 可行性 + discrepancy: 差异 + critical: 批评的;决定性的 + corpse: 尸体 + intervention: 介入 + infec 阅读全文
posted @ 2018-11-15 23:34 gogogo11 阅读(297) 评论(0) 推荐(0)
摘要:神经网络案例 摘要 + 在Compute Vision(计算机视觉)中,我们输入的是一张一张的图片,但是在计算机看来,每一张图片都是由一个一个像素点组成的,那么,什么是我们的输入样本X,什么又是我们的标签y?在图像识别中,一张图片所有像素点就是一个样本,也就是矩阵X中的一行,y就是对这个图片判断的结 阅读全文
posted @ 2018-11-15 23:10 gogogo11 阅读(303) 评论(0) 推荐(0)
摘要:机器学习摘要 matlab 损失函数 + 对应一个已经确定了参数的cost function,尽管输入的参数是向量或者是矩阵,但是返回的J(θ)一定是一个实数 + J(θ)是将所有训练样本都输入到模型中计算,返回一个实数 + 更新假设函数的参数是在输入了所有的训练样本到模 阅读全文
posted @ 2018-11-15 23:09 gogogo11 阅读(358) 评论(0) 推荐(0)
摘要:使用one vs all初始手写字母识别 数据特点 + 每一个图片都是20 x 20的像素矩阵,但是在输入的样本中是一个1 x 400的向量,标签y在{0, 1, 2, ..., 9}之间取值 + 共有5000个训练样本 可视化数据 + 从5000个样本中随机的挑选出100个训练样本进行可视化 + 阅读全文
posted @ 2018-11-14 00:18 gogogo11 阅读(1455) 评论(0) 推荐(1)
摘要:数字逻辑VHDL 信号与变量 + signal是全局的,在整个结构体中都有效,它的赋值是在进程结束, 也就是最后的赋值是有效的。 + variable是局部的,它的赋值是立即生效的。 + 一般 变量 是在进程的说明部分中定义的 vhdl PROCESS(a, b, c) 在说明部分声明变量 VARI 阅读全文
posted @ 2018-11-12 20:33 gogogo11 阅读(704) 评论(0) 推荐(0)
摘要:Docker 安装 macOS或者windows + 下载boot2docker工具 CentOS + yum install docker io y + systemctl start docker docker摘要 docker虚拟化 + 只虚拟User space + 一台机器可以运行20 5 阅读全文
posted @ 2018-11-12 08:48 gogogo11 阅读(670) 评论(0) 推荐(0)
摘要:Unix与Windows的思想 + Unix中的哲学是“一切皆文件”,这里的一切皆文件是一个广泛的概念,有一些特殊的设备文件,在/dev目录下 物理设备在Unix中就对应一个特殊的设备文件,比如打印机就是/dev/lp0,这个设备文件直接与物理设备的串行端口连接,只要向这个设备文件中传入数据,就可以 阅读全文
posted @ 2018-11-11 11:45 gogogo11 阅读(1787) 评论(3) 推荐(1)
摘要:下载zsh,并安装oh my zsh + dnf install zsh y + 到github的oh my zsh上按照教程安装oh my zsh,配置主题为minimal,这个是个人比较喜欢的主题,因为比较简洁 下载pyenv和virtualenv + 到github的pyenv上安装pyenv 阅读全文
posted @ 2018-11-10 13:18 gogogo11 阅读(556) 评论(0) 推荐(0)
摘要:逻辑回归案例 小细节 + 逻辑回归(logistic regression)虽然被称之为逻辑回归,但是它本质上其实是一种分类算法(classification algorithm),逻辑回归名字的由来是有历史原因的。 + sigmoid函数在逻辑回归中站着重要的位置,sigmoid function 阅读全文
posted @ 2018-11-10 10:18 gogogo11 阅读(1365) 评论(1) 推荐(0)
摘要:环境 + macOS Python 版本要求 + 3.5+ + 2.7+ 安装 + 配置阿里云镜像, 在http://mirrors.aliyun.com/中找到pypi, 点击help链接 + pip install tensorflow + 另外选择: 清华的tensorflow镜像, "ten 阅读全文
posted @ 2018-11-09 23:38 gogogo11 阅读(138) 评论(0) 推荐(0)
摘要:matlab 线性回归实战 统一 + 输入时列向量 + 输出也是列向量 + 中间的过程可以出现行向量或者列向量,但是不能影响输入和输出为列向量 + 参数运算的输入都不会只是一个实数,要么是列向量,要么是一个矩阵 + 对于矩阵,取数据也是一列一列的去,也就是X(:1)X(:2)等 + 命令的 阅读全文
posted @ 2018-11-07 22:52 gogogo11 阅读(248) 评论(0) 推荐(0)
摘要:关于反对幂三指 + 指的是哪个留下来 在隐函数中求导数dydy + 不是众生平等,而是将y看成是x的方程 对隐函数求微分 + 众生平等,加法两侧都看成一个单元,对自己的函数,求微分,遇到复合也一样 + 微分公式为${{\partial{y}}\over{\partial{x 阅读全文
posted @ 2018-11-07 22:51 gogogo11 阅读(440) 评论(0) 推荐(0)
摘要:数学期望 + X 为 随机变量 ,它不会出现在函数的具体表示中,而是在抽象的表示中,也就是说会出现在E(X),这个X不会出现在E(X)=的右侧,在右侧中X要对应的使用x来替代。在P,E中放的一定是随机变量,是大写的字母,这才符合概率论。 + 密度函数对R的积分为1。 + 离散的情况不会使 阅读全文
posted @ 2018-11-07 22:50 gogogo11 阅读(898) 评论(0) 推荐(0)
摘要:mathjax公式 + δ: + Δ: + : + : + : + θ: + α: + : + : + : + ×: + $a\over{b 阅读全文
posted @ 2018-11-07 19:00 gogogo11 阅读(1028) 评论(0) 推荐(0)
摘要:在macOS上安装gitbook 1. 安装nodejs, 在macOS上, 只要安装了Xcode, nodejs就会被默认安装 2. node V, 显示当前系统的node版本号 3. npm install g npm, 更新当前系统的npm版本 4. npm install g gitbook 阅读全文
posted @ 2018-11-05 09:21 gogogo11 阅读(200) 评论(0) 推荐(0)
摘要:监督学习案例 规范 + 假设函数: 使用h(hypothesis, 假设)表示 + 输入(input value) 向量或者实数: 使用小写字母x等 矩阵: 使用大写字母X等 + 输出(output value) 向量或者实数: 使用小写字母y等 矩阵: 使用大写字母Y等 + 参数(Paramete 阅读全文
posted @ 2018-11-04 11:46 gogogo11 阅读(452) 评论(0) 推荐(0)
摘要:Machine learning Preface Definition + T: Task + E: Experience + P: Performance + Sequence: T E P Supervised learning Definition + Give the right answe 阅读全文
posted @ 2018-11-04 10:48 gogogo11 阅读(131) 评论(0) 推荐(0)
摘要:```php ``` 阅读全文
posted @ 2018-11-02 22:37 gogogo11 阅读(124) 评论(0) 推荐(0)
摘要:+ 打开Active Monitor, 找到coreaudiod进程, 将其quit掉即可 阅读全文
posted @ 2018-11-02 21:08 gogogo11 阅读(208) 评论(0) 推荐(0)
摘要:定义 + 公式为: lk(x):=ji=0,ikxxixkxi + 从上面的公式中我们可以了解到, i从0递增到j, 但是在k不会等于i, 因为如果k=i了, 则分母就成为了0, 这个式子就没有意义了, 在给定了k之 阅读全文
posted @ 2018-11-01 15:45 gogogo11 阅读(1444) 评论(0) 推荐(0)

点击右上角即可分享
微信分享提示