摘要：
选课内容 我选择了西北工业大学的C++课程，这个课程一共有48节，从最基础的变量常量到引用，函数，指针，类，等复杂内容。适合0基础的初学者学习。教学内容由浅入深，让人印象深刻。 课程简介 第1讲 C++语言概述 第2讲 信息的表示与存储 第3讲 程序中数据的表示 第4讲 运算符与表达式 第5讲 顺序 阅读全文
摘要：
机器学习笔记总结 预习部分 第一章 第一章主要讲述了机器学习与模式识别的概念， 模型的概念和组成、特征向量的一些计算 机器学习的基本概念 机器学习可以分为监督式学习，无监督式学习，半监督式学习，强化学习。 以及模型的泛化能力，模型训练过程中存在的问题，如 1、训练样本稀疏：给定的训练样本数量是有限的 阅读全文
摘要：
线性判定与回归 生成模型 给定训练样本{Xn}，直接在输入空间内学习其概率密度，P(x) 在贝叶斯决策分类中，生成模型通常用于估计每个类别的观测似然概率P(x|Ci),再结合先验概率，形成联合概率P(x,Ci)=P(x,Ci) P (Ci),然后，对所有类进行积分，得到边缘概率密度函数 ， 最后得到 阅读全文
摘要：
贝叶斯决策与学习 先验概率 先验概率 ( Prior probability)先验概率是在缺乏某个事实的情况下描述一个变量; 而后验概率是在考虑了一个事实之后的条件概率. 先验概率通常是经验丰富的专家的纯主观的估计. 比如在法国大选中女候选罗雅尔的支持率 p, 在进行民意调查之前, 可以先验概率来表 阅读全文
摘要：
基于距离的分类器 基于距离的分类的基本概念 把样本到每个类的距离作为决策模型，将测式样本判定为与其距离最近的类 常见的几种距离度量 欧氏距离(Euclidean Distance) n维空间点a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的欧氏距离（两个n维向量）： 曼哈顿距离 阅读全文
摘要：
第一章概述 在第一章的学习中，主要讲述了机器学习与模式识别的一些基本概念和一些基础公式。还有模式识别的一些应用。这里列出一些知识点。 模式识别的概念 模式识别主要分为 分类和回归两个动作。 在课中，模式识别的概念为根据已有知识的表达，针对待识别模式，判别决策其所属的类别，或预测其对于应的回归值。 对 阅读全文
摘要：
自然语言处理技术概述 自然语言处理（NLP）是语言学和人工智能的交叉科学，旨在让计算机能够“读懂”人类的语言，是指机器理解并解释人类paralyzes写作、说话方式的能力。其包括的主要范畴有：分词、词性标注、命名实体识别、句法分析、关键词抽取、文本分类、自动摘要以及信息检索等等。传统的自然语言处理主 阅读全文
摘要：
学习的心得|笔记 贝叶斯估计，极大似然估计 前两天做了一些极大似然估计和贝叶斯估计的笔记，印象挺深的所以就先记录这一块。 首先先说明一下估计的方法吧，估计的方法包括参数估计和非参数估计，在参数估计中，又包括了最大似然估计和贝叶斯估计。 极大似然估计 最大似然估计的目的是利用已知的样本结果，反推最有可 阅读全文
摘要：
一、请回望第一次作业，你对于软件工程课程的想象 1）对比开篇博客你对课程目标和期待，“希望通过实践锻炼，增强计算机专业的能力和就业竞争力”，对比目前的所学所练所得，在哪些方面达到了你的期待和目标，哪些方面还存在哪些不足，为什么？ 1 在个人编程时选择用了python而不是C/C++其实原因并不是自己 阅读全文
摘要：
前言 "组长博客" 组名: To Be Done 组员和贡献比例 | 短学号 | 姓名 | 分工 | 贡献比例 | | | | | | | 614 | 王永福\ | 前后端实现、发任务、催进度 | 30% | | 440 | 孙承恺 | UI设计 | 15% | | 529 | 邱畅杰 | 文本过滤 阅读全文
摘要：
Header 队名：To Be Done "组长博客" "作业博客" 团队项目进行情况 燃尽图（组内共享） 展示Git当日代码/文档签入记录（组内共享） 注: 由于GitHub的免费范围内对多人开发存在较多限制，因此我们不会使用GitHub作为主代码仓库，而是使用自建的Git基础设施，我们可能不定期 阅读全文