摘要：
1.问题提出 时间序列是一列关于时间的序列，例如股票数据，在每一个时刻对应一个观察值或者多个观察值。 像这样： time, measure 1, 100 2, 110 3, 108 4, 115 5, 120 正如我们所知大多数机器学习使用监督学习来解决实际问题，如何把这时间序列转换成我们所熟知的监 阅读全文
摘要：
互相关（cross-correlation）及其在Python中的实现 在这里我想探讨一下“互相关”中的一些概念。正如卷积有线性卷积（linear convolution）和循环卷积（circular convolution）之分；互相关也有线性互相关（linear cross-correlatio 阅读全文
摘要：
1 总体介绍 在以下主题中，我们将回顾有助于分析时间序列数据的技术，即遵循非随机顺序的测量序列。与在大多数其他统计数据的上下文中讨论的随机观测样本的分析不同，时间序列的分析基于数据文件中的连续值表示以等间隔时间间隔进行的连续测量的假设。 本节描述的方法的详细讨论可以在Anderson（1976），B 阅读全文
摘要：
目录 一 混淆矩阵 利用混淆矩阵可更好的分辨出分类中分错误的。 1. 数据集中的记录总数=TP+FP+FN+TN 2. 数据集中肯定记录数=TP+FN 3. 数据集中否定记录数=FP+TN 4. 分类模型作出阳性判断的记录数=TP+FP 5. 分类模型作出阴性判断的记录数=FN+TN 6. 分类模型 阅读全文
摘要：
步骤： def buildStump(dataArr,classLabels,D): 1。循环取出数据集中的一个特征（一列）输入 （for：） 2。循环调整阀值threshVal （for:） 3,。分成两个子树 左边：特征值xi<=threshVal 为-1，否则为1 获得预测结果1 右边：特征值 阅读全文
摘要：
在讲Lloyd’s 算法之前先介绍Voronoi图 在数学中，Voronoi图是基于到平面的特定子集中的点的距离将平面划分成区域。预先指定一组点（称为种子，站点或生成器），并且对于每个种子，存在相应的区域，该区域由更接近该种子的所有点组成，而不是任何其他点。这些区域称为Voronoi细胞。 在最简单 阅读全文
摘要：
既然要用到贝叶斯公式，首先给出贝叶斯公式 P(A|B)=P(B|A)P(A)/P(B) 数学含义： P(A)是先验概率，可以通过计算获得 P(B|A)是条件概率，意识是在A发生的条件下B发生的概率 P(B)是用于归一化的“证据”因子，对于给定的样本B，P(B)与类标记无关 P(A|B)就是后验概率， 阅读全文
摘要：
项目需求：需要实时的读取日志文件里的数据，并且使用Echart实时更新折线图。 使用ajax实现客户端与服务器端的数据传输。 目的：我想通过ajax与服务器建立一个长连接，服务器会不断的传输数据给前台，由于日志不断的更新，我想把新的数据不断的传给前台。 设计：本来想着使用服务器使用一个死循环去读取日 阅读全文
摘要：
需求：在生成日志文件的过程中，需要实时读取该日志，需要每次读取时记录一次读取的位置，下一次从该位置读取 参考：http://sunnylocus.iteye.com/blog/694666 问题：由于我是每次读取几十行日志就停止一次，如果使用上面连接的代码RandomAccessFile.lengt 阅读全文
摘要：
最近学习了TensorFlow，发现一个模型叫vgg16，然后搭建环境跑了一下，觉得十分神奇，而且准确率十分的高。又上了一节选修课，关于人工智能，老师让做一个关于人工智能的试验，于是觉得vgg16很不错，可以直接用。 但发现vgg16是训练好的模型，拿来直接用太没水平，于是网上发现说可以用vgg16 阅读全文