- 博客(38)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 机器学习——支持向量机(SVM)
支持向量机(SVM)1. 推导及理解借鉴于逻辑回归的代价函数，我们给出了支持向量机的整个优化的目标函数如下： 当最小化这个代价函数，我们会得到参数θθ\theta，然后用这个参数θθ\theta来预测yyy的值为１还是０。当θTxθTx\theta^Tx大于或者等于０时，假设预测为１；否则，预测为０． 支持向量机常被称作大间距分类器，其实就是引入了安全的间距因子。如下图： ...
2018-04-06 16:52:00
475
原创 机器学习——逻辑回归
逻辑回归1.1 问题及定义逻辑回归主要是用来解决二分类的问题，例如判断一封电子邮件是否是垃圾邮件，判断一次金融交易是否是欺诈，判断一个肿瘤是恶性的还是良性的等等。 (注意：逻辑回归是分类算法，线性回归是回归算法) 为此，逻辑回归的输出应当是０－１之间。 逻辑回归模型的假设是： hθ(x)=g(θTx)(1)(1)hθ(x)=g(θTx)h_{\theta}(x)=g(\thet...
2018-04-05 19:30:48
340
原创 机器学习——线性模型
线性模型１．线性回归1.1 问题及定义线性回归模型是机器学习中的基本算法模型之一，可以用来解决预测房价等问题。如下图所示的一个例子，房子因房子大小、卧室数目、地板数量等不同而有不同的价格，那么给定了房子大小、卧室数目、地板数量我们能否预测出一个房子的价格呢？ 我们使用线性回归来解决上述问题。 给定一个nnn个特征的实例xxx, x=(x1;x2;x3;...;xn)x=...
2018-04-05 14:48:03
463
原创 Pytorch源码之RNN理解
Pytorch源码之RNN理解 我用的pytorch0.2，除了API的解释外，部分容易混淆。因此我依次整理了一下。下面是rnn.py的structure, RNN类 该类实现了RNN， math公式如下： (1)ht=tanh(wih∗xt+
2018-01-24 22:33:36
4174
4
原创 win10+cuda8+cudnn5.1+Anaconda3+pytorch+torchvision
win10+cuda8+cudnn5.1+Anaconda3+pytorch+torchvision1.windows安装cuda8和cudnn5.1这个教程很多，我不赘述。自行百度谷歌。2.windows安装Anaconda3推荐参考：win10下安装使用pytorch以及cuda9、cudnn7.0，Anaconda3虚拟环境的设置真的很赞！我的虚拟环境设置如下，使用的是python3.6，路
2017-12-06 22:55:25
1959
1
原创 深交所实习的日子
说说最近的学习吧！ 目前在深交所实习了3个多月了，感受到了一个金融公司的庞大，和宝哥（导师）也学习到了很多的东西，也临时去其他公司学习了一次，感受颇深。当然也体会到了金融公司的宽松的工作氛围和人性化的工作时间，这里相比软件IT公司的确不失为一个养生之地。 在这三个月里，我首先跟着一个哈工大深圳研究院的一个学长做了一个公告分类项目，具体说就是把拓尔思数据公司送来的公告数据进行分类，判断是股票相关还
2017-11-09 22:55:05
6578
1
原创 数据集可视化-tile_raster_images
tile_raster_images 在大量的数据处理或者文献中，我们常见如下的数据集可视化（甚至对参数也可进行可视化，毕竟图像的本质是二维数组），通过文章末尾的代码我们发现只需对布局及间距的慎重设置，便可对大量丰富的图像以”地板贴砖（tiles on a floor）”的形式进行组织，也即可视化，展示数据或相关工作，可以起到十分直观的效果。下面我们将要介绍这个工具方法： 首先用图示来表示相
2017-11-03 14:16:02
2448
原创 RestrictedBoltzmannMachines.py源码剖析
RestrictedBoltzmannMachines.py源码剖析 这篇博客是承接我的上一篇Restricted Boltzmann Machines的一个实现RBM的例子，代码详见我的github：RestrictedBoltzmannMachines.py.RBM.class We construct an RBM class. The parameters of the network
2017-11-03 13:36:43
325
原创 DeepLearning——Restricted Boltzmann Machines
Restricted Boltzmann Machines—-目录Restricted Boltzmann MachinesEnergy-Based Models EBMEBMs with Hidden UnitsRestricted Boltzmann Machines RBMRBMs with binary unitsSampling in an RBMContrastive Div
2017-11-02 17:06:09
461
原创 Mikolov的Word2vec学习理解
Mikolov的Word2vec学习理解学习资源推荐 standford cs224n课程关于word2vec部分初步认识word2vec可以参考Word2Vec Tutorial然后基本的的数学思想见 The Skip Gram Model The Continuous bag of Words Model 再参考Mikolov的两篇文章 Distributed Represent
2017-10-10 12:27:05
1141
原创 windows下使用Word2vec进行词向量训练
windows下使用Word2vec进行词向量训练一 . 安装Cygwin,因为word2vec需要linux环境，所有首先在windows下安装linux环境模拟器，推荐cygwin（下载地址：http://www.cygwin.com/install.html），在安装时注意：因为默认安装下没有安装make命令工具（后面要用到），所以在安装时，选择package时，需要选择Devel与Utils
2017-09-29 09:18:36
1422
原创 Tensorflow-word2vec_simple.py的理解
Tensorflow-word2vec_simple.py的理解基本思想 推荐word2vec图文理解Word2vec Tutorial代码注释与理解 我的代码及注释如下：# -*- coding: utf-8 -*-"""Basic word2vec example"""from __future__ import absolute_importfrom __future
2017-09-27 21:31:09
420
原创 win10环境下安装theano:vs+conda+cuda+theano
win10环境下安装theano:vs+conda+cuda+theano参考博客：win10下安装theano参考博客：Theano环境搭建about Converting to the new gpu back end(gpuarray)Converting to the new gpu back end(gpuarray)vs安装cuda安装conda安装 3.1 我这里安装的是m
2017-09-11 09:56:49
941
原创 Tensorflow之word2vec
Tensorflow之word2vec一. 简介及用途Word Embeddings:自然语言处理系统通常将词汇作为单一的离散符号，将会导致数据稀疏问题，为此用词汇的向量来为训练统计模型提供更多的数据。 Word2Vec使用到的词向量是DistributedRepresentation，其基本想法是通过训练将某种语言中的每一个词映射为一个固定长度的向量(这里的短是相对于one-hot repre
2017-08-19 11:22:14
612
原创 机器学习笔记(5)-集成学习
一. Boosting 二. 随机森林列表内容(⊙o⊙)wqeqwqeqwwq参考： 1. [Machine Learning & Algorithm] 随机森林（Random Forest） 2. 机器学习中的算法(1)-决策树模型组合之随机森林与GBDT 3. 随机森林算法的简单总结及python实现
2017-08-10 11:00:04
435
原创 ACM刷题笔记
ACM刷题笔记数据结构 1.1 线性表（数组、队列、栈、链表） 1.2 树（堆、排序二叉树） 1.3 哈希表 1.4 集合与映射 1.5 图算法排序与查找分治贪心动态规划搜索图论算法字符串算法线段树 1.1 推荐博客：线段树随机算法近似算法计算几何
2017-06-25 20:05:25
539
原创 操作系统-个人总结与思考
操作系统常见面试题什么是进程（Process）和线程（Thread）？有何区别？ 进程是具有一定独立功能的程序关于某个数据集合上的一次运行活动，进程是系统进行资源分配和调度的一个独立单位。线程是进程的一个实体，是CPU调度和分派的基本单位，它是比进程更小的能独立运行的基本单位。线程自己基本上不拥有系统资源，只拥有一点在运行中必不可少的资源（如程序计数器，一组寄存器和栈），但是它可与同属一个进程
2017-06-25 16:00:36
817
原创 基础知识面试准备
基础知识面试准备一 . 计算机组成原理基本知识结构常见面试题常见面试内容二 . 操作系统基本知识结构 1.1 操作系统结构 1.2 进程 1.3 线程 1.4 CPU调度 1.5 进程同步 1.6 死锁 1.7 内存管理 1.8 虚拟内存 1.9 I/O设备管理 1.10 磁盘管理 1.11 文件与系统
2017-06-19 09:58:38
697
原创 使用优先级队列广搜还是使用队列广搜
使用优先级队列广搜还是使用队列广搜题目 hdu网址：http://acm.hdu.edu.cn/showproblem.php?pid=1253我的解答2.1使用优先级队列的广搜，很清楚，每次只扩展时间最短的那一个分支，一定能找到最短的那个，如果大于T输出-1，否则输出时间。然而优先级队列耗时，主要是优先级队列的维护。/** * > File Name: runproblem.cpp
2017-06-10 20:59:46
623
原创 深度优先搜索+回朔+奇偶剪枝
深度优先搜索+回朔+奇偶剪枝题目描述 http://acm.hdu.edu.cn/showproblem.php?pid=1010题解/** * > File Name: DogMaze.cpp 深度优先搜索加回朔加奇数偶数剪枝 * > Author: yyHaker * > Created Time: 2017/6/1 */#include <iostream>
2017-06-02 09:48:44
412
原创 Linux学习笔记(八)-基于AIX/Linux平台的项目开发
基于AIX/Linux平台的项目开发一. gcc编译工具 1 . gcc基本介绍 - gcc，全称GNU Compiler Collection，是一套GNU开发的编译器环境，它的创始人是Richard.M.Stallman - gcc不仅可以支持C语言，还可以处理C++，Pascal，Object-C，Java以及Ada等其他语言 - g
2017-05-02 22:02:44
399
原创 Linux学习笔记(七)-Linux内核分析
Linux内核分析一. Linux内核版本 Linux内核版本号由3个数字组成，例： 2.6.18-128.Elsmp。其中，第一个数字: 2 表示主版本号，第二个数字6 表示次版本号，表示稳定版本(因为有偶数)。而第三个数字 18 表示修订版本号，即表示修改的次数。128表示微调次数。前两个数字合在一齐可以描述内核系列。如稳定版的2.6.0，它是2.6版内核系列。而ELsmp指出了当前内核是为
2017-05-02 16:56:15
532
原创 Linux学习笔记(六)-Shell高级程序设计基础
Shell高级程序设计基础一. 关于Shell shell是一个命令解释器，是介于操作系统kernel与用户之间的一个绝缘层。它也是一种强力的计算机语言，一个shell程序，被称为一个脚本，可以通过将系统调用、公共程序、工具、和编译过的二进制程序粘合在一起来建立应用。 Shell脚本对于管理系统任务和其它的重复工作的例程来说,表现的非常好 二. Vi编辑器的使用 1.
2017-05-02 10:57:40
621
原创 Linux学习笔记(五)-安全管理以及开发基础技术
安全管理以及开发基础技术一. 文件安全设置 1. 文件的读写、执行许可设置 例如：在某以目录下输入命令ll，则 1.1. 几种基本的命令所需要的权限 1.2. 什么是SUID - suid的概念：能够让在二进制文件上有执行权限的用户，在运行这个二进制文件时，暂时具有属主的权限 - suid在文件
2017-05-01 16:29:26
485
原创 Linux学习笔记(四)-存储管理与文件系统
存储管理与文件系统一. 逻辑卷基本原理 1. 卷组 - 一个PV(物理卷)要划分为大小相等的PP(物理分区) - 同一个VG中的不同PV的PP大小要一样，默认的PP大小为4M - PV必须加入一个VG中，系统才能使用其存储空间 - 一个卷组VG可以拥有多个硬盘，但至少拥有一个硬盘(hdisk) -
2017-05-01 11:27:06
726
原创 Linux学习笔记(三)-设备管理与驱动
设备管理与驱动一. 设备分类：字符设备、块设备、特殊设备 1. 字符设备 - 是指每次与系统传输1个字符的设备 - 字符设备通常为传真、虚拟终端和串口调制解调器、键盘之类设备提供流通信服务 - 字符设备在实现时，大多不使用缓存器。系统直接从设备读取或者写入每一个字符 - 例如，键盘这种设备提供的就是一个数
2017-04-30 19:38:43
1089
原创 Linux学习笔记(二)-AIX程序包原理及linux RPM包
AIX程序包原理及linux RPM包一. AIX程序包原理 1. 原理 2. 文件集（fileset）命名规则 Fileset这种命名格式基本上描述了此文件集的内容和层次关系，方便管理员查看和管理 3. 文件集（fileset）的版本号 Version和Release版本号
2017-04-30 15:19:30
932
原创 Linux学习笔记(一)-Linux操作系统启动流程以及系统关机命令
Linux操作系统启动流程以及系统关机命令一. Linux操作系统启动流程系统启动流程 2.配置文件/etc/inittab的基本格式 label:runlevel:action:processLabel一般是1-2个字符的标签，用来标示输入的值。Red Hat Linux中常用的标签是：id ：用来定义缺省的init运行的级别si ：是系统初始化的进程ln： 其中的n从1~6
2017-04-30 10:56:11
569
原创 机器学习笔记(2)-决策树
决策树一.问题概述决策树(decision tree)希望从给定的数据集学得一个模型用以对新示例来进行分类，把这个样本分类的任务看作对“当前样本属于正类吗？”这个问题的“决策”或者“判定”的过程。决策树是基于树的结构进行决策的，如下图： 二.决策树学习的基本算法 三.实现算法 决策树最核心的问题就是如何选择出最优的划分属性，即上述算法中的第8行，一般而言，我们希望决策树的分支节点所包
2017-04-29 21:08:33
853
原创 机器学习笔记(1)-线性回归
线性回归一. 问题概述 二. 线性回归的的求解最小二乘法 1.1. 特点 Normal Equation算法也叫做普通最小二乘法（ordinary least squares），其特点是：给定输人矩阵X，如果X.T*X的逆存在并可以求得的话，就可以直接采用该方法求解。其求解理论也十分简单：既然是是求最小误差平方和，另其导数为0即可得出回归系数。 矩阵X为（m，n+1）矩阵（m表
2017-04-17 20:24:18
908
原创 面试快仓java-web后台的感想
2017年3月4日，我参加了第一场面试，意向是上海快仓的java-web后台开发。说实话，这次面试挺突然的，我没有任何准备，如果面试官让我当场写个快速排序也许我可能就写不出来，汗.... 还好面试的是我们的亲学长，总体来说，整个面试过程不是很紧张，总体来说状况不算太差。 一开始，面试官扫了一眼我的简历，然后让我讲讲项目经历，巴拉巴拉我就开始了，说道我去沈阳实习的时候，面试官就打断问我问题，“
2017-03-04 15:48:37
2832
原创 ubuntu+hadoop+eclipse开发环境安装与配置
hadoop的开发环境与配置对于新手来很难，网上配置方法很多但是个人觉得一般都有点坑，所以本人总结了一下配置方法。 首先说明我所使用的系统是ubuntu16.04,jdk1.8.1.8.0_121,hadoop是2.6.0,eclipse是Eclipse SDK4.3.1.安装SSH、配置SSH无密码登陆 这里直接使用你所使用的ubuntu当前用户就可以，个人觉得无需创建新用户，因为对新手来说配
2017-03-03 10:29:08
690
原创 基于c语言的语法分析器的实现
一. 总体实现思想我采用自顶向下的预测分析技术来实现，其基本方法如下: 从文法开始符号出发，在每一步推导过程中根据当前句型的最左非终结符A和当前输入符号a，选择正确的A-产生式。为保证分析的确定性，选出的候选式必须是唯一的。具体的非递归的预测语法分析结构如下所示: 非递归的预测分析不需要为每个非终结符编写递归下降过程，而是根据预测分析表构造一个自动机，也叫表驱动的预测分析 表驱动
2016-10-20 09:53:03
11591
原创 java设计模式——工厂模式
工厂模式——简单工程模式简介： 定义了一个创建对象的类，由这个类来封装实例化对象的行为。 组成角色 工厂类角色：这是本模式的核心，含有一定的商业逻辑和判断逻辑，根据逻辑不同，产生具体的产品。 抽象产品角色：它一般是具体产品继承的的父类或者实现的接口。由接口或者抽象类来实现。 具体产品角色：工厂类所创建的对象就是此角色的实例。优缺点 优点 工厂类含
2016-06-07 09:31:44
430
原创 mybatis框架入门(一)
一.原生态的JDBC的问题先看一个jdbc的一个实例 @Test public void ConnectionToMysql4() { //定义引用 Connection con=null; PreparedStatement pstmt=null; ResultSet rs=null; try { /**
2016-06-06 17:14:03
413
cudnn-8.0-windows10-x64-v5.1
2017-09-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人