09 2018 档案

西瓜笔记(四上)
摘要：一、神经元模型 每个神经元与其他神经元相连，当它“兴奋”时，就会向相连的神经元发送化学物质，从而改变这些神经元内的电位；如果某神经元的电位超过了一个“阈值(threshold)”，那么它就会被激活，即“兴奋”起来，向其他神经元发送化学物质。 M-P神经元模型 神经元接收到来自n个其他神经元传递过来的 阅读全文
posted @ 2018-09-29 23:40 浅浅z 阅读(267) 评论(0) 推荐(0)
常见端口号
摘要：21/tcp FTP 文件传输协议 22/tcp SSH 安全登录、文件传送(SCP)和端口重定向 23/tcp Telnet 不安全的文本传送 25/tcp SMTP Simple Mail Transfer Protocol (E-mail) 69/udp TFTP Trivial File T 阅读全文
posted @ 2018-09-29 21:13 浅浅z 阅读(1140) 评论(0) 推荐(0)
西瓜笔记(三下)
摘要：一、贝叶斯网(Bayesian network) 借助有向无环图来刻画属性之间的依赖关系。可以用条件概率表(Conditional Probability Table)来描述属性的联合概率分布。若两个属性有直接的依赖关系，用一条有向边连接。如下，属性B依赖属性A。量化的依赖关系是P(B|A)。 二、 阅读全文
posted @ 2018-09-21 22:43 浅浅z 阅读(546) 评论(0) 推荐(0)
西瓜笔记(三上)--Bayes
摘要：一、Bayes理论 为了最小化决策风险，首先获得后验概率P(c|x)。通常有两种方法： 1、判别式模型（discriminative models）：给定x，通过直接建模P(c|x)来预测c。 2、生成式模型（generative models）：先对概率分布P(x,c)建模，再由此获得P(c|x) 阅读全文
posted @ 2018-09-19 20:06 浅浅z 阅读(317) 评论(0) 推荐(0)
西瓜笔记(二下)
摘要：一、ROC和AUC 大前提是我们可以在一般情形下对每个测试样本预测出一个[0.0,1.0]之间的实值。接下来自然会有一个排序质量的好坏，ROC曲线就是从这个角度出发研究泛化性能的。具体做法如下： 1、我们得到了学习器给样本的预测值。 2、依次选定该预测值为阈值，算出真正例率（x轴）和假正例率（y轴） 阅读全文
posted @ 2018-09-18 23:40 浅浅z 阅读(306) 评论(0) 推荐(0)
西瓜笔记(二上)
摘要：一、误差与过拟合 学习器在训练集上的误差称为“训练误差（training error）”或“经验误差（empirical error）”；在新样本上的误差称为“泛化误差（generalization error）”。 我们并不追求训练误差的错误率为零（而且往往这种情况不会是我们想要的），我们实际希望 阅读全文
posted @ 2018-09-17 23:33 浅浅z 阅读(152) 评论(0) 推荐(0)
西瓜笔记(一)
摘要：一、几个基本术语的解释 数据集（data set）：（色泽=青绿；根蒂=蜷缩；敲声=浊响）像这样的记录的集合就称作一个“数据集”。 属性（attribute）：色泽，根蒂，敲声等被称为属性。 属性值（attribute value）：青绿，蜷缩，浊响等被称为属性值。 特征向量（feature vec 阅读全文
posted @ 2018-09-17 08:25 浅浅z 阅读(267) 评论(0) 推荐(0)