摘要：
类声明 //stock00.h#ifndef UNTITLED_STOCK00_H #define UNTITLED_STOCK00_H #include <string> class Stock { private: std::string company; public: void set(); 阅读全文
摘要：
引用必须在声明时就初始化，且以后不能改变 int rats = 1; int & r = rats; 当函数返回值为引用时 若返回栈变量: 不能成为其它引用的初始值 若返回静态变量或全局变量：可以成为其他引用的初始值 #include <iostream> using namespace std; 阅读全文
摘要：
C++内联函数在编译时编译器使用相应的函数代码代替函数调用。对于内联代码，程序无需跳到另一个地方执行代码再调回来，因而可以节省时间，但是也消耗了更多的内存。 inline double square(double x) { return x * x; } 注意：在类内定义的函数C++编译器默认为内联 阅读全文
摘要：
二项LR 二项LR模型 \[\begin{array}{*{20}{l}}{P\left( {Y = 1|x} \right) = \frac{{{e^{w \cdot x}}}}{{1 + {{\rm{e}}^{w \cdot x}}}} = \sigma \left( {w \cdot x} \ 阅读全文
摘要：
决策树与条件概率分布 决策树在概率论的角度解释就是每次选择一个特征，然后根据该特征的不同取值对特征空间进行划分，如此递归下去把特征空间划分为一个个子区域，对于落在这个子区域上的样本，我们可以用条件概率分布P(Y|X)来表示这些样本的概率分布，最终把条件概率最大的类别作为该子区域中的样本的类别。 ID 阅读全文
摘要：
条件概率：\[P\left( {B|A} \right) = \frac{{P(A,B)}}{{P(A)}}\] 乘法定理：\[\begin{array}{l}P\left( {A,B} \right) = P\left( {B|A} \right)P\left( A \right)\\P\left 阅读全文
摘要：
阅读全文
摘要：
原始形式 模型 线性二分类模型 \[f\left( x \right) = sign\left( {w \cdot x + b} \right)\] 学习策略 误分类点到超平面函数距离最小化 损失函数：$\mathop {\min }\limits_{w,b} L\left( {w,b} \righ 阅读全文