03 2017 档案

机器学习公开课笔记第四周，神经网络
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 蚀 阅读(251) 评论(0) 推荐(0) 编辑
数据科学第一战：Iris的Pyhton数据分析
摘要：用pyhton具体实现机器学习算法感觉并没有Octave方便 幸好python有专门的scikit-learn库来直接用，所以以后的策略就是用Octave学习和理解算法 用python应用库算法解决Kaggle问题 1，Iris数据集逻辑回归Python版，数据地址:https://www.kagg 阅读全文
posted @ 2017-03-26 21:34 蚀 阅读(404) 评论(0) 推荐(0) 编辑
机器学习公开课笔记第三周，逻辑回归
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 蚀 阅读(295) 评论(0) 推荐(0) 编辑
机器学习公开课笔记第二周，线性回归的梯度下降法
摘要：一，梯度下降法Gradient Decent 当我们以线性回归的模型来拟合我们的数据集时，我们如何来确定假设函数的参数值呢？ 首先我们以两个参数为例，即Hθ(x) = θ0 + θ1X，也就是一个一次函数，而代价函数，我们为了尽量拟合数据集，也就是选择合适的θ0（截距）， θ1(斜率)使代价函数J( 阅读全文
posted @ 2017-03-15 21:10 蚀 阅读(802) 评论(0) 推荐(0) 编辑
网络流专题
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 蚀 阅读(189) 评论(0) 推荐(0) 编辑
机器学习公开课笔记第一周
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 蚀 阅读(246) 评论(0) 推荐(0) 编辑