随笔分类 -  记录

日有所得,夜有所记
摘要:在前篇<<使用ShareSDK在Unity3d截屏分享到微信>>随笔的基础,增加分享图片到QQ 阅读全文
posted @ 2018-04-09 22:51 阅读(922) 评论(0) 推荐(0) 编辑
摘要:新建Unity3d工程,在新建工程里Assets选择Import Package里的Custom Package倒入ShareSDK包 这是因为在ShareSDK里只有在Android和iOS环境里才会定义appKey和appSecret,转化编译环境为Android,选择菜单里的File下的Bui 阅读全文
posted @ 2018-03-30 22:26 阅读(781) 评论(0) 推荐(0) 编辑
摘要:上传应用到App Store遇到iTunes Store Operation Failed: Invalid Image Path 打开general下appIcon发现没有生成iPad的图标 是因为Xcode选择平台是universal(iPhone),而unity编译成Xcode工程时选择iPh 阅读全文
posted @ 2018-03-30 11:31 阅读(336) 评论(0) 推荐(0) 编辑
摘要:取消自动绑定(即取消Automatically manage signing),手动依次绑定证书 阅读全文
posted @ 2018-03-30 10:18 阅读(15898) 评论(0) 推荐(0) 编辑
摘要:在Xcode里上传iOS游戏到App Store卡在Authenticating with ITunes Store问题: 网上搜索发现是XCode的工具Application Loader下ITMSTransporter出错 打开命令行,输入如下命令 然后等待iTMSTransporter自动更新 阅读全文
posted @ 2018-03-29 20:30 阅读(4024) 评论(0) 推荐(0) 编辑
摘要:总结 1, 监督学习 - 线性回归,逻辑回归,神经网络,支持向量机 2,无监督学习 - K均值法,主成分分析,异常检测 3,特殊应用 - 推荐系统,大型机器学习 4,机器学习系统设计方法 - 偏差/方差,正则化; - 决策下一步: 机器学习算法性能评估, 学习曲线,错误分析, 上限分析 阅读全文
posted @ 2017-05-21 21:40 阅读(223) 评论(0) 推荐(0) 编辑
摘要:一,照片光学字符识别(Photo Optical Character Recognition) 照片光学字符识别是指让计算机读出图片中的文字信息 二,照片光学字符识别流水线(Photo OCR Pipeline) 1, 文字区域识别(Text Detection) 2,字符切割(Character 阅读全文
posted @ 2017-05-17 20:59 阅读(1204) 评论(0) 推荐(0) 编辑
摘要:一,随机梯度下降法(Stochastic Gradient Descent) 当训练集很大且使用普通梯度下降法(Batch Gradient Descent)时,因为每一次\(\theta\)的更新,计算微分项时把训练集的所有数据都迭代一遍,所以速度会很慢 批量梯度下降法是一次性向计算m组数据的微分 阅读全文
posted @ 2017-05-08 20:43 阅读(659) 评论(0) 推荐(0) 编辑
摘要:一,推荐系统定义 推荐系统是根据用户的信息需求、兴趣等,将用户感兴趣的信息、产品等推荐给用户 推荐系统算法是目前所学的唯一可以自动选择特征,代替了手动选择特征的烦恼 二,推荐系统问题-电影评分系统 根据用户对各电影的评分,来计算用户未评分电影的评分,给用户推荐评分高的电影 三,基于内容的推荐系统 假 阅读全文
posted @ 2017-05-07 20:55 阅读(297) 评论(0) 推荐(0) 编辑
摘要:一,异常检测定义 异常检测就是训练一批正常的训练数据集,训练之后判定另一个数据\(X_{test}\)集中哪些数据是正常的 以下是异常检测的两个例子,分别是信用卡诈骗和数据中心电脑监测 1,提炼数据的特征\(X^{(i)}\) 2,从数据中训练出概率公式\(p(x)\) 3,用测试数据\(X_{te 阅读全文
posted @ 2017-05-04 20:28 阅读(334) 评论(0) 推荐(0) 编辑
摘要:一,主成分分析法(Principal Component Analysis) 1,主成分分析法(PCA)是比较常用的数据压缩算法,把高维度数据投影到低维度平面(超平面)上,使投影误差平方最小 2,PCA与线性回归区别 在代价函数里线性回归计算的是预测值与实际值的误差(y的差值),PCA里计算的是投影 阅读全文
posted @ 2017-04-26 17:21 阅读(414) 评论(0) 推荐(0) 编辑
摘要:一,无监督学习(Unsupervised learning) 无监督学习就是给定一系列没有标签的训练数据,找出训练数据之间的关系,最典型的就是聚类算法(Clustering Algorithm) 无监督学习的工程应用 二,K均值法(K Means Algorithm), 1,K均值法是常用聚类算法之 阅读全文
posted @ 2017-04-25 17:27 阅读(273) 评论(0) 推荐(0) 编辑
摘要:一,支持向量机(SVM)定义 支持向量机(SVM)和逻辑回归类似,也是二元分类,但是约束条件不同,它的目标是寻找一个超平面分割数据,这个超平面一侧是分类为-1的数据,一侧是是分类是1的数据 这样的超平面有很多,支持向量机还有一个约束条件是使两侧数据到这个超平面的距离最小值最大,所以支持向量机也叫大间 阅读全文
posted @ 2017-04-20 22:54 阅读(307) 评论(0) 推荐(0) 编辑
摘要:一,提高机器学习算法准确度的方法 当我们的机器学习算法不能准确预测我们测试数据时,我们可以尝试通过以下方法提高我们机器学习的算法准确度 1),获得更多的训练样例 2),减少特征数 3),增加特征数 4),增加多项式特征 5),增大或减小\(\lambda\) 二,评估机器学习模型 如果只是单独的使用 阅读全文
posted @ 2017-04-09 17:30 阅读(248) 评论(0) 推荐(0) 编辑
摘要:当我们用非线性假设函数n元k次方程表达逻辑回归特征值,我们的算法的效率将是\( O\left ( n^{k} \right ) \) 当特征数n和k过大时,逻辑回归的算法效率将会非常低,神经网络算法就是为了解决非线性逻辑回归算法而诞生的 神经网络算法来源于模拟人类大脑神经,同一种神经放在不同的大脑区 阅读全文
posted @ 2017-03-28 21:52 阅读(251) 评论(0) 推荐(0) 编辑
摘要:1,逻辑回归(Logistic Regression) 监督学习除了线性回归之外,还有逻辑回归(Logistic Regression),也叫分类(Classifycation) 分类问题输入和线性回归问题一样,不过它的输出是离散值。 我们先来学习简单二元分类(输出值只有0和1) 问题就是给定n个特 阅读全文
posted @ 2017-03-23 13:35 阅读(295) 评论(0) 推荐(0) 编辑
摘要:【HDU】1532Drainage Ditches(基础) [最大流] 模板题,Dinic(数组)算法解决,写的时候,没考虑重边,WA了N次 3549 Flow Problem(基础) [最大流] 又重新默写了一遍Dinic 3572 Task Schedule [最大流]任务分配,判断满流 第一道 阅读全文
posted @ 2017-03-11 21:19 阅读(189) 评论(0) 推荐(0) 编辑
摘要:一,机器学习是什么? "A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance 阅读全文
posted @ 2017-03-11 19:26 阅读(246) 评论(0) 推荐(0) 编辑
摘要:前台<Window x:Class="MySQL.MainWindow" xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation" xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml" xmlns:assembly="clr-namespace:System;assembly=mscorlib" xmlns:local="clr-namespace:MySQL" 阅读全文
posted @ 2012-10-19 15:12 阅读(2187) 评论(0) 推荐(0) 编辑
摘要:MySQLDriverCS连接MySQL数据库先下载和安装MySQLDriverCS,在安装文件夹下面找到MySQLDriver.dll,然后将MySQLDriver.dll添加引用到项目中using System;using System.Collections.Generic;using System.Linq;using System.Text;using System.Windows;using System.Windows.Controls;using System.Windows.Data;using System.Windows.Documents;using System.Wi 阅读全文
posted @ 2012-10-18 14:49 阅读(195) 评论(0) 推荐(0) 编辑