dqflying-CSDN博客

转载机器学习基石笔记1——在何时可以使用机器学习

http://www.cnblogs.com/ymingjingr/p/4271742.html 先简单介绍下这门课程，这门课是在著名的MOOC（Massive Online Open Course大型在线公开课）Coursera上的一门关于机器学习领域的课程，由国立台湾大学的年轻老师林轩田讲授。这门叫做机器学习基石的课程，共8周的课程为整个机器学习课程的上半部分，更偏重于理论和思想而非

2017-05-09 16:53:49 361

转载机器学习基石笔记10——Logistic Regression

http://www.cnblogs.com/ymingjingr/p/4271742.html 十、Logistic Regression 罗杰斯特回归（最常见到的翻译：Logistic回归）。 10.1 Logistic Regression Problem Logistic回归问题。使用二元分类分析心脏病复发问题，其输出空间只含有两项{+1，-1}，分

2017-05-09 17:08:33 1003

转载机器学习基石笔记9——Linear Regression

http://www.cnblogs.com/ymingjingr/p/4271742.html 九、Linear Regression 线性回归。 9.1 Linear Regression Problem 线性回归问题。在第二章中提到的银行发放信用卡问题，通过是否发放信用卡引出了二元分类问题；本章再次使用这个例子通过发放用户多大额度的信用卡引出回归（re

2017-05-09 17:06:31 583

转载机器学习基石笔记8——为什么机器可以学习（4）

http://www.cnblogs.com/ymingjingr/p/4271742.html 八、Noise and Error 噪音（杂讯）和错误。 8.1 Noise and Probabilistic Target 噪音（杂讯）和概率目标函数。这一小节主要讨论有噪音（在2.4节提到的）的情况下是否VC限制仍可用，其流程图如图8-1所示。

2017-05-09 17:05:43 441

转载机器学习基石笔记7——为什么机器可以学习（3）

http://www.cnblogs.com/ymingjingr/p/4271742.html 七、The VC Dimension VC维。 7.1 Definition of VC Dimension VC维的定义。先对上一章的内容作简单总结：如果一个假设空间存在突破点。则一定存在成长函数被某个上限函数所约束，可求出上限函数等于一个组合的求和形式，易

2017-05-09 17:04:49 469

转载机器学习基石笔记6——为什么机器可以学习（2）

http://www.cnblogs.com/ymingjingr/p/4271742.html 六、Theory of Generalization 泛化理论（举一反三）。 6.1 Restriction of Break Point 突破点的限制。回顾一下上一章中提到的成长函数的定义：假设空间在N个样本点上能产生的最大二分（dichotomy）数量，其

2017-05-09 17:03:51 338

转载机器学习基石笔记5——为什么机器可以学习（1）

http://www.cnblogs.com/ymingjingr/p/4271742.html 五、Training versus Testing 训练与测试。 5.1 Recap and Preview 回顾以及预览。首先回顾一下上一章学过的内容，学习在何种情况下是可行的。在可学习的数据来自于一个统一的分布（distribution），且假设空间

2017-05-09 17:01:05 546

转载机器学习基石笔记4——在何时可以使用机器学习(4)

http://www.cnblogs.com/ymingjingr/p/4271742.html 四、Feasibility of Learning 机器学习的可能性。 4.1 Learning is Impossible 学习可能是做不到的。在训练样本集（in-sample）中，可以求得一个最佳的假设g，该假设最大可能的接近目标函数f，但是在训练样本集之外

2017-05-09 16:59:44 236

转载机器学习基石笔记3——在何时可以使用机器学习(3)(修改版)

http://www.cnblogs.com/ymingjingr/p/4271742.html 三、Types of Learning 各种类型的机器学习问题。 3.1 Learning with Different Output Space 不同类型的输出空间。 3.1.1 binary classification 二元分类问题。前两章中提

2017-05-09 16:58:16 246

转载机器学习基石笔记2——在何时可以使用机器学习(2)

http://www.cnblogs.com/ymingjingr/p/4271742.html 二、Learning to Answer Yes/No 二元分类。解决上一章提出的银行发行信用卡的问题。 2.1 Perceptron Hypothesis Set 感知器的假设空间。还是银行发信用卡的例子，银行可能掌握了用户的各种属性，如年龄，年薪，工

2017-05-09 16:56:53 492

Ceph作为一个开源的分布式存储系统，人人都可以免费获得其源代码，并能够安装部署，但是并不等于人人都能用起来，人人都能用好。用好一个开源分布式存储系统，首先要对其架构、功能原理等方面有比较好的了解，其次要有修复漏洞的能力。这些都是在采用开源分布式存储系统时所面临的挑战。第1章　Ceph整体架构 1.1　Ceph的发展历程 1.2　Ceph的设计目标 1.3　Ceph基本架构图 1.4　Ceph客户端接口 1.4.1　RBD 1.4.2　CephFS 1.4.3　RadosGW 1.5　RADOS 1.5.1　Monitor 1.5.2　对象存储 1.5.3　pool和PG的概念 1.5.4　对象寻址过程 1.5.5　数据读写过程 1.5.6　数据均衡 1.5.7　Peering 1.5.8　Recovery和Backfill 1.5.9　纠删码。。。。。

2020-06-11

ProblemSolvingwithAlgorithmsandDataStructures_usingpython

DataStructures Algorithms，基础的数据结构和算法讲解，采用python语言，是一本极优的python数据结构入门教材，示例详细，讲解生动，配有动态图片帮助理解，同时提供英文版的官方网站，可进行在线的程序演示。英文网站：https://runestone.academy/runestone/books/published/pythonds/index.html。附带CSDN上一个大神的中文学习笔记：https://blog.csdn.net/HeatDeath/article/details/64190257。

2019-10-10

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

dqflying的专栏

转载机器学习基石笔记1——在何时可以使用机器学习

转载机器学习基石笔记10——Logistic Regression

转载机器学习基石笔记9——Linear Regression

转载机器学习基石笔记8——为什么机器可以学习（4）

转载机器学习基石笔记7——为什么机器可以学习（3）

转载机器学习基石笔记6——为什么机器可以学习（2）

转载机器学习基石笔记5——为什么机器可以学习（1）

转载机器学习基石笔记4——在何时可以使用机器学习(4)

转载机器学习基石笔记3——在何时可以使用机器学习(3)(修改版)

转载机器学习基石笔记2——在何时可以使用机器学习(2)

开源Ceph10.2.1源码分析.docx

ProblemSolvingwithAlgorithmsandDataStructures_usingpython

gsm-fr-1.0-pl18.zip

Neural Network and Deep Learning（神经网络与机器学习中文版）

word2vec的数学原理

leach源码的omnet实现

Problem Solving with Algorithms and DataStructures using python

人件中中文第二版

c指针宝典（大师版）

空空如也