摘要: 第十四章 元组、集合和字典 整章内容: 创建元组。 使用元组作为固定列表来防止添加、删除或替换元素。 将常见的序列运算应用于元组。 创建集合。 使用add和remove方法对集合进行元素的添加和删除。 使用len、min、max和sum函数对集合进行操作。 使用in和not in运算符判断一个元素是 阅读全文
posted @ 2020-09-17 21:19 Albert_s 阅读(230) 评论(0) 推荐(0) 编辑
摘要: 第七章 对象和类 整章内容: 描述对象和类,以及使用类来建模对象。 定义带数据域和方法的类。 使用构造方法调用初始化程序来创建和初始化数据域以构建一个对象。 使用圆点运算符(.)访问对象成员。 使用self参数引用对象本身。 使用UML图符号来描述类和对象。 区分不可变对象和可变对象。 隐藏数据域以 阅读全文
posted @ 2020-09-16 20:17 Albert_s 阅读(169) 评论(0) 推荐(0) 编辑
摘要: 第一章 计算机、程序和Python概述 整章内容: 演示对计算机硬件、程序和操作系统的基本理解。 描述Python的历史。 解释Python程序的基本语法。 编写和运行一个简单的Python程序。 解释恰当的程序设计风格和文档的重要性,并提供相应的实例。 解释语法错误、运行时错误和逻辑错误之间的却别 阅读全文
posted @ 2020-09-15 18:30 Albert_s 阅读(266) 评论(0) 推荐(0) 编辑
摘要: Summary and thank you 总结 Summary: Main topics Supervised Learning 1. Linear regression 2. Logistic regression 3. Neural networks 4. SVMs Unsupervised 阅读全文
posted @ 2020-02-18 16:08 Albert_s 阅读(143) 评论(0) 推荐(1) 编辑
摘要: Application example: Photo OCR (photo optical character recognition 照片光学字符识别) Problem description and pipeline The Photo OCR problem 主要解决的问题,让计算机从我们拍摄 阅读全文
posted @ 2020-02-18 15:50 Albert_s 阅读(270) 评论(0) 推荐(0) 编辑
摘要: Large scale machine learning 大规模机器学习 Learning with large datasets 1. 从事大规模机器学习的前提是拥有大量的数据。 2. 使用合理的方法处理大数据集,如高方差时增加训练集会提高性能,而高偏差时增加训练集却不会有用。 Stochasti 阅读全文
posted @ 2020-02-17 14:46 Albert_s 阅读(237) 评论(0) 推荐(0) 编辑
摘要: Recommender Systems 推荐系统 Problem formulation Example: Predicting movie ratings 电影评级预测的例子。 用户对电影进行评分:用0~5表示其对电影的喜好程度,?表示未看过该电影。 | Movie | Alice(1) | Bo 阅读全文
posted @ 2020-02-16 21:35 Albert_s 阅读(217) 评论(0) 推荐(0) 编辑
摘要: Anomaly detection 异常检测 Problem motivation Anomaly detection example 异常检测的例子 Aircraft engine features: $x_1$ = heat generated, $x_2$ = vibration intens 阅读全文
posted @ 2020-02-15 22:35 Albert_s 阅读(327) 评论(0) 推荐(0) 编辑
摘要: Dimensionality Reduction 降维 Motivation I: Data Compression 数据压缩不仅可以节省内存空间,有时也会加快我们的学习算法。 Data compression 将 二维数据压缩到一维 ,如:数据冗余的情况(横坐标为cm,纵坐标为inches);横纵 阅读全文
posted @ 2020-02-14 12:09 Albert_s 阅读(365) 评论(0) 推荐(1) 编辑
摘要: Clustering 聚类 Unsupervised learning introduction supervised learning 在一个典型的监督学习中,我们有一个有标签的训练集,目标是找到能够区分正样本和负样本的决策边界。监督学习中,我们有一系列的标签,需要拟合一个假设函数。 Unsupe 阅读全文
posted @ 2020-02-11 14:33 Albert_s 阅读(317) 评论(0) 推荐(0) 编辑