博客园  :: 首页  :: 新随笔  :: 联系 :: 订阅 订阅  :: 管理

04 2019 档案

摘要:字符串方法 format 1.替换字段名 在最简单的情况下,只需向 format 提供要设置其格式的未命名参数,并在格式字符串中使用未命名字段。此时,将按顺序将字段和参数配对。你还可给参数指定名称,这种参数将被用于相应的替换字段中。你可混合使用这两种方法。 In [2]: "{foo} {} {ba 阅读全文

posted @ 2019-04-30 19:50 心默默言 阅读(387) 评论(0) 推荐(0) 编辑

摘要:TensorFlow实现反向传播 本节先举个简单的回归算法的例子。这里先举一个简单的例子,从均值1,标准差为0.1的正态分布中随机抽样100个数,然后乘以变量A,损失函数L2正则函数,也就是实现函数X*A=target,X为100个随机数,target为10,那么A的最优结果也为10。 第二个例子是 阅读全文

posted @ 2019-04-30 11:01 心默默言 阅读(265) 评论(0) 推荐(0) 编辑

摘要:1.python的字符串中format函数用法 format 函数可以接受不限个参数,位置可以不按顺序。 In [1]: "{} {}".format("hello", "world") # 不设置指定位置,按默认顺序 Out[1]: 'hello world' In [2]: "{0} {1}". 阅读全文

posted @ 2019-04-29 20:31 心默默言 阅读(463) 评论(0) 推荐(0) 编辑

摘要:基本概念 1. 与简单线性回归区别(simple linear regression) 多个自变量(x) 2. 多元回归模型 y=β0+β1x1+β2x2+ ... +βpxp+ε 其中:β0,β1,β2... βp是参数 ε是误差值 3. 多元回归方程 E(y)=β0+β1x1+β2x2+ ... 阅读全文

posted @ 2019-04-29 09:13 心默默言 阅读(2061) 评论(0) 推荐(0) 编辑

摘要:基本概念 1. 介绍: 回归(regression) Y变量为连续数值型(continuous numerical variable) 如:房价,人数,降雨量 分类(Classification): Y变量为类别型(categorical variable) 如:颜色类别,电脑品牌,有无信誉 2. 阅读全文

posted @ 2019-04-28 12:59 心默默言 阅读(659) 评论(0) 推荐(0) 编辑

摘要:一、计算图中的操作 在这个例子中,我们将结合前面所学的知识,传入一个列表到计算图中的操作,并打印返回值: 声明张量和占位符。这里,创建一个numpy数组,传入计算图操作: 输出: 在下面这个例子中,我们将学习如何在同一个计算图中进行多个乘法操作。 下面我们将用两个矩阵乘以占位符,然后做加法。传入两个 阅读全文

posted @ 2019-04-28 10:13 心默默言 阅读(380) 评论(0) 推荐(0) 编辑

摘要:一、TensorFlow算法的一般流程 1.导入/生成样本数据集 2.转换和归一化数据:一般来讲,输入样本数据集并不符合TensorFlow期望的形状,所以需要转换数据格式以满足TensorFlow。 当数据集的维度或者类型不符合所用机器学习算法的要求时,需要在使用前进行数据转换。大部分机器学习算法 阅读全文

posted @ 2019-04-27 10:00 心默默言 阅读(420) 评论(0) 推荐(0) 编辑

摘要:import time print('{}BiasedMF312and4414_rt.txt'.format(time.strftime("%Y-%m-%d"))) 输出: 2019-04-27BiasedMF312and4414_rt.txt 阅读全文

posted @ 2019-04-27 09:02 心默默言 阅读(3993) 评论(0) 推荐(0) 编辑

摘要:一、基本概念 1. 背景 1.1 以人脑中的神经网络为启发,历史上出现过很多不同版本 1.2 最著名的算法是1980年的 backpropagation 2. 多层向前神经网络(Multilayer Feed-Forward Neural Network) 2.1 Backpropagation被使 阅读全文

posted @ 2019-04-26 19:49 心默默言 阅读(612) 评论(0) 推荐(0) 编辑

摘要:1.CART生成 CART假设决策树是二叉树,内部结点特征的取值为“是”和“否”,左分支是取值为“是”的分支,右分支是取值为“否”的分支。这样的决策树等价于递归地二分每个特征,将输入空间即特征空间划分为有限个单元,并在这些单元上确定预测的概率分布,也就是在输入给定的条件下输出的条件概率分布。 CAR 阅读全文

posted @ 2019-04-25 15:17 心默默言 阅读(659) 评论(0) 推荐(0) 编辑

摘要:【解决方案】 1、在头文件包含—#include<iomanip>——定义IO流输出输入格式控制相关函数。 2、利用cout输出格式为—cout << fixed << setprecision(0) << temp << endl;—temp为输出数据。 【分析】——主要涉及到cout的格式化输出 阅读全文

posted @ 2019-04-25 09:39 心默默言 阅读(4622) 评论(0) 推荐(0) 编辑

摘要:集成算法 1.集成学习的概念 集成学习(ensemble learning)从概念上讲,它并不是一个单独的机器学习算法,而是通过构建并结合多个机器学习器来完成学习任务。也就是我们常说的“博采众长”。集成学习可以用于分类问题集成,回归问题集成,特征选取集成,异常点检测集成等等,可以说所有的机器学习领域 阅读全文

posted @ 2019-04-22 11:14 心默默言 阅读(251) 评论(0) 推荐(0) 编辑

摘要:#include const int maxN = 100010; bool hashTable[maxN] = {false}; int main() { int i, n, m, x; printf("请输入集合n和集合m中元素的个数分别为:"); scanf("%d%d", &n, &m); printf("请输入集合n中的元素:"); f... 阅读全文

posted @ 2019-04-21 16:58 心默默言 阅读(129) 评论(0) 推荐(0) 编辑

摘要:7.2 图的定义 图是由顶点的有穷非空集和顶点之间边的集合,通常表示为:G(V. E),其中,G 表示一个图,V 是图 G 中顶点的集合,E 是图 G 中边的集合。 7.3图的抽象数据类型 7.4 图的存储 7.4.1 邻接矩阵 7.4.2 邻接表 7.4.3 十字链表 7.5 图的遍历 从图中某一 阅读全文

posted @ 2019-04-21 16:57 心默默言 阅读(117) 评论(0) 推荐(0) 编辑

摘要:01选择排序 02 插入排序 阅读全文

posted @ 2019-04-21 09:32 心默默言 阅读(83) 评论(0) 推荐(0) 编辑

摘要:6.2 树的定义 树是 n (n >= 0) 个结点的有限集。n=0 时称为空树。在任意一棵非空树种:(1)有且仅有一个特定的称为根的结点;(2)当 n>1 时,其余结点可分为 m (m > 0) 个互不相交的有限集,其中每一个集合本身又是一棵树,并且称为根的子树。如下图所示: 6.3树的抽象数据类 阅读全文

posted @ 2019-04-17 21:44 心默默言 阅读(214) 评论(0) 推荐(0) 编辑

摘要:https://blog.csdn.net/songyu0120/article/details/85059149 阅读全文

posted @ 2019-04-17 16:59 心默默言 阅读(1219) 评论(0) 推荐(0) 编辑

摘要:4.2 栈的定义 栈 栈是限定仅在表尾进行插入和删除操作的线性表。 我们把允许插入和删除的一端称为 栈顶,另一端称为 栈底,不含任何数据元素的栈称为 空栈。栈又称为后进先出的 线性表,简称 LIFO 结构。 栈的特殊之处在于它限制了这个线性表的插入和删除位置,它始终只在栈顶进行。 栈的插入操作,叫作 阅读全文

posted @ 2019-04-17 11:19 心默默言 阅读(235) 评论(0) 推荐(0) 编辑

摘要:头指针和头结点 阅读全文

posted @ 2019-04-17 09:57 心默默言 阅读(1002) 评论(0) 推荐(0) 编辑

摘要:3.2 线性表定义 零个或多个数据元素的有限序列。 首先它是一个序列。也就是说,元素之间是有顺序的,若元素存在多个,则第一个元素无前驱,最后一个元素无后继,其它元素都有且只有一个前驱一个后继。 然后,线性表强调是有限的,即元素个数是有限的。 3.2 线性表的抽象数据类型 对于一个线性表来说,插入或者 阅读全文

posted @ 2019-04-16 21:54 心默默言 阅读(290) 评论(0) 推荐(0) 编辑

摘要:2.1 算法定义 算法是解决待定问题求解步骤的描述,在计算机中表现为指令的有限序列,并且每条指令表示一个或多个操作。 2.2 算法的特性 算法有五个基本特性:输入、输出、有穷性、确定性和可行性。 输入输出 输入和输出特性比较容易理解,算法具有零个或多个输入。绝大多数算法需要输入参数,但有的是不需要的 阅读全文

posted @ 2019-04-15 21:26 心默默言 阅读(293) 评论(0) 推荐(0) 编辑

摘要:一、数据结构绪论 1.1 数据结构 数据结构是一门研究非数值计算的程序设计问题中的操作对象,以及它们之间的关系和操作等相关问题的学科。 1.2 基本概念和术语 数据 数据是描述客观事物的符号,是计算机中可以操作的对象,是能被计算机识别,并输入给计算机处理的符号集合。 数据不仅仅包括整形、实型等数值类 阅读全文

posted @ 2019-04-15 21:22 心默默言 阅读(402) 评论(0) 推荐(0) 编辑

摘要:K-Means原理初探 K-Means算法的思想很简单,对于给定的样本集,按照样本之间的距离大小,将样本集划分为K个簇。让簇内的点尽量紧密的连在一起,而让簇间的距离尽量的大。 如果我们想直接求上式的最小值并不容易,这是一个NP难的问题,因此只能采用启发式的迭代方法。 K-Means采用的启发式方式很 阅读全文

posted @ 2019-04-14 19:23 心默默言 阅读(212) 评论(0) 推荐(0) 编辑

摘要:PCA——主成分分析 简介 PCA全称Principal Component Analysis,即主成分分析,是一种常用的数据降维方法。它可以通过线性变换将原始数据变换为一组各维度线性无关的表示,以此来提取数据的主要线性分量。 z=wTx 其中,z为低维矩阵,x为高维矩阵,w为两者之间的映射关系。假 阅读全文

posted @ 2019-04-09 20:47 心默默言 阅读(713) 评论(0) 推荐(0) 编辑

摘要:Linux环境配置 修改ip地址 1,图形化界面 2,setup 命令虚拟界面 3,修改配置文件(以网络方式为NAT示例) vi /etc/sysconfig/network-scripts/ifcfg-eth0 BOOTPROTO=static ONBOOT=yes IPADDR=192.168. 阅读全文

posted @ 2019-04-09 16:31 心默默言 阅读(109) 评论(0) 推荐(0) 编辑

摘要:降维技术 对数据进行降维有如下一系列的原因: 在以下3种降维技术中, PCA的应用目前最为广泛,因此本章主要关注PCA。 主成分分析(Principal Component Analysis, PCA) 通俗理解:就是找出一个最主要的特征,然后进行分析。 在PCA中,数据集从原始坐标系转换为新的坐标 阅读全文

posted @ 2019-04-08 11:28 心默默言 阅读(320) 评论(0) 推荐(0) 编辑

摘要:https://blog.csdn.net/weixin_40123108/article/details/84378202 In [5]: from time import time import logging #程序进展信息 import matplotlib.pyplot as plt fr 阅读全文

posted @ 2019-04-07 10:04 心默默言 阅读(460) 评论(0) 推荐(0) 编辑

摘要:1.Linux简介 UNIX与Linux发展史 Unix在1969年,美国贝尔实验室的肯汤普森在DEC PDP-7机器上开发出了UNIX系统。 Linux出现于1991年,是由芬兰赫尔辛基大学学生李纳斯·托瓦兹(Linus Torvalds)和后来加入的众多爱好者共同开发完成 。 Linux介绍 L 阅读全文

posted @ 2019-04-03 19:18 心默默言 阅读(321) 评论(0) 推荐(0) 编辑

摘要:CentOS6.9及CentOS7.4的安装详细步骤 安装前的准备工作:1 VMware已经安装好2 镜像文件下载好(在这里,我用的是CentOS-6.9-x86_64-bin-DVD1.iso和CentOS-7-x86_64-Everything-1708.iso)一 6.9 安装步骤如下:1 打 阅读全文

posted @ 2019-04-02 15:38 心默默言 阅读(214) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示