摘要：
概要 这些结论为参数的假设检验提供了理论基础，非常重要。参考《概率论与数理统计》记录一下。 重要定理 设 $x_1,\cdots, x_n$ 是来自正态总体 $N(\mu, \sigma^2)$ 的样本，其样本均值和样本方差分别为 \\begin 阅读全文
摘要：
概要 在统计分析中，经常会有假设参数服从某种分布，所以在此文中，参考《概率论与数理统计》（茆诗松著），简单罗列一下经常碰到的分布，做下简单介绍，并且结合 Python 中 "Scipy.stats" 模块进行模拟。将要介绍的分布目录如下： "二项分布" &ems 阅读全文
摘要：
概要 基于 sklearn 包自带的 iris 数据集，了解一下分类树的各种参数设置以及代表的意义。 iris 数据集介绍 iris 数据集包含 150 个样本，对应数据集的每行数据，每行数据包含每个样本的四个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度）和样本的类别信息，所以 iri 阅读全文
摘要：
概要 本部分介绍 CART，是一种非常重要的机器学习算法。 基本原理 CART 全称为 Classification And Regression Trees，即分类回归树。顾名思义，该算法既可以用于分类还可以用于回归。 克服了 ID3 算法只能处理离散型数据的缺点，CA 阅读全文
摘要：
概要 决策树也是我们经常使用的样本归类算法。简单来说，它就是 if else 的判断集合，本文就详细介绍其原理，还有例子实现。依然参考《机器学习实战》。 基本理论 决策树是通过一系列规则对数据进行分类的过程。 决策树利用了概率论的原理，不断地将数据切分成小数据集，直到所有 阅读全文
摘要：
概要 笔试中经常出现关于图的考题，有必要熟悉下。本篇参考《大话数据结构》，简单介绍一下图，不作深入探究。 定义 图的简单定义 图 是由顶点的有穷非空集合和顶点之间边的集合组成，通常表示为：$G(V,E)$，其中 $G$ 表示一个图，$V$ 是图 $G$ 中点的集合，$E$ 阅读全文
摘要：
概要 分类的目标是标称型数据，而回归将会对连续型的数据做出预测。依然参考《机器学习实战》第 $8$ 章，总结一下总有收获。 其中有谈到方差和偏差的概念，腾讯 2018 春招笔试第一大题就是关于这个的。Here we go! "线性回归" "局部加权回归" "岭回归" "lasso" " 阅读全文
摘要：
概要 先前我们实现了 "基础版本" 的 SVM，现在我们来实现进阶版本。和上次比，这次优化的地方在于： 启发式选择参数 alpha（训练速度更快） 。通过一个外循环来选择第一个 alpha 值，并且其选择过程中会在两种方式间进行交替：一种方式是在所有数据集上进行单遍扫描，另一种方式则是在非边界（不等 阅读全文
摘要：
概要 已经学习了 "支持向量机相关理论" ，怎么能不应用一下下呢？本部分就参考机器学习实战中相关章节，实现支持向量机。 简单版本的支持向量机 数据集 我们所用的数据集，正是机器学习实战中相关的分类数据集，因为是二维的，可以做可视化，对刚开始入门的实现算法来说非常友好。原始 阅读全文
摘要：
概要 偶然看到一篇文章 "伪·黑科技】基于像素微调实现的文字隐写术" ，受此启发，能把文字转成二进制，那么图片像素转成二进制岂不更容易，于是我就写了一个隐藏图片的代码，也就有了这篇随笔。 但是刚写出来不完美，有几点需要改进的地方，现在还没有想通，做此记录，以后有机会再慢慢改进： pyt 阅读全文