NeoML - 博客园

2019年3月4日

摘要：一 .三目运算符与自增自减 GitHub代码练习地址：https://github.com/Neo-ML/JavaPractice/blob/master/OperPrac02.java 条件运算符由两个符号组成"?"和":",要求有3个操作对象,所以也叫它三目运算符。自增（++）：将变量的值加1 阅读全文

posted @ 2019-03-04 22:24 NeoML 阅读(1307) 评论(0) 推荐(0) 编辑

Python爬虫2-检测编码（使用chardet）

摘要： GitHub代码练习地址：https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac02_chardet.py网页编码问题解决 chardet 可以自动检测页面文件的编码格式，但是，可能有误需要安装， conda install 阅读全文

posted @ 2019-03-04 15:26 NeoML 阅读(333) 评论(0) 推荐(0) 编辑

Java学习笔记三：运算符

摘要： 1.算术运算符： GitHub代码练习地址：https://github.com/Neo-ML/JavaPractice/blob/master/OperPrac01.java + - * / % ++ -- 只能操作【一个】【变量】 ++ -- 即可放在变量之前。也可放在变量之后。可放在变量之前阅读全文

posted @ 2019-03-04 03:07 NeoML 阅读(115) 评论(0) 推荐(0) 编辑

2019年3月3日

吴恩达机器学习笔记38-决策下一步做什么（Deciding What to Do Next Revisited）

摘要：我们已经讨论了模型选择问题，偏差和方差的问题。那么这些诊断法则怎样帮助我们判断，哪些方法可能有助于改进学习算法的效果，而哪些可能是徒劳的呢？让我们再次回到最开始的例子，在那里寻找答案，这就是我们之前的例子。回顾 1.1中提出的六种可选的下一步，让我们来看一看我们在什么情况下应该怎样选择： 1. 获阅读全文

posted @ 2019-03-03 21:19 NeoML 阅读(163) 评论(0) 推荐(0) 编辑

Python爬虫1-使用urlopen

摘要： GitHub代码练习地址：https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac01_urlopen.py 阅读全文

posted @ 2019-03-03 20:46 NeoML 阅读(175) 评论(0) 推荐(0) 编辑

吴恩达机器学习笔记37-学习曲线（Learning Curves）

摘要：学习曲线就是一种很好的工具，我经常使用学习曲线来判断某一个学习算法是否处于偏差、方差问题。学习曲线是学习算法的一个很好的合理检验（sanity check）。学习曲线是将训练集误差和交叉验证集误差作为训练集实例数量（𝑚）的函数绘制的图表。如果我们有100 行数据，我们从1 行数据开始，逐渐学习更阅读全文

posted @ 2019-03-03 17:33 NeoML 阅读(2759) 评论(0) 推荐(1) 编辑

Python面向对象6：抽象类和自定义类

摘要：抽象类- 抽象方法：没有具体实现内容的方法成为抽象方法- 抽象方法的主要意义是规范了子类的行为和接口- 抽象类的使用需要借助abc模块 import abc - 抽象类：包含抽象方法的类叫抽象类，通常成为ABC类- 抽象类的使用 - 抽象类可以包含抽象方法，也可以包含具体方法 - 抽象类中可以有方阅读全文

posted @ 2019-03-03 16:07 NeoML 阅读(156) 评论(0) 推荐(0) 编辑

吴恩达机器学习笔记36-正则化和偏差/方差(Regularization and Bias_Variance)

摘要：在我们在训练模型的过程中，一般会使用一些正则化方法来防止过拟合。但是我们可能会正则化的程度太高或太小了，即我们在选择λ 的值时也需要思考与刚才选择多项式模型次数类似的问题。我们选择一系列的想要测试的 𝜆 值，通常是 0-10 之间的呈现2 倍关系的值（如：0,0.01,0.02,0.04,0.0 阅读全文

posted @ 2019-03-03 01:27 NeoML 阅读(337) 评论(0) 推荐(0) 编辑

2019年3月2日

吴恩达机器学习笔记35-诊断偏差和方差(Diagnosing Bias vs. Variance)

摘要：当你运行一个学习算法时，如果这个算法的表现不理想，那么多半是出现两种情况：要么是偏差比较大，要么是方差比较大。换句话说，出现的情况要么是欠拟合，要么是过拟合问题。那么这两种情况，哪个和偏差有关，哪个和方差有关，或者是不是和两个都有关？搞清楚这一点非常重要，因为能判断出现的情况是这两种情况中的哪一种。阅读全文

posted @ 2019-03-02 01:38 NeoML 阅读(386) 评论(0) 推荐(0) 编辑

2019年3月1日

吴恩达机器学习笔记34-模型选择和交叉验证集（Model Selection and Train_Validation_Test Sets）

摘要：假设我们要在10 个不同次数的二项式模型之间进行选择：显然越高次数的多项式模型越能够适应我们的训练数据集，但是适应训练数据集并不代表着能推广至一般情况，我们应该选择一个更能适应一般情况的模型。我们需要使用交叉验证集来帮助选择模型。即：使用60%的数据作为训练集，使用 20%的数据作为交叉验证集，使阅读全文

posted @ 2019-03-01 02:49 NeoML 阅读(567) 评论(0) 推荐(0) 编辑

千里的博客

公告