- 博客(10)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 java和javac中涉及的path们
在cmd中进行java编译和运行时，有几个path比较容易混淆，这里做下粗略说明1、java -cp 即为-classpath eg. java -cp C:\workspace HelloWorld 运行该路径下的HelloWorld的可执行文件2、javac -sourcepath 指定原始码（.java文件）的路径 ...
2018-10-10 21:36:03
424
原创 Java的三大平台
根据应用领域的不同，区分为三大平台：Java SE 、Java EE 、Java ME；1、Java SEJava SE 可以分为四个部分：JVM虚拟机、JRE运行环境、JDK开发工具包、Java语言；2、Java EEJava EE 以Java SE为基础，定义了一系列的服务、API、协议等，适用于开发分布式、多层次、以组件为基础、以Web为基础的应用程序；必须在Java S...
2018-10-07 22:42:38
4007
原创 区分Java的JVM/JRE/JDK
1、JVMJava Virtual Machine 即Java虚拟机，可以让Java跨平台，如Windows、Linux等操作系统；Java的原始码扩展名为.java，经过编译后为扩展名为.class的位码，JVM将位码翻译为相依于平台的机器码，从而实现“编译一次，到处执行”的跨平台目的；对于Java程序而言，JVM即为其操作系统；2、JREJava Runtime Environ...
2018-10-07 22:20:18
372
原创 树回归
一、树回归优点：可以对复杂和非线性的数据建模缺点：结果不易理解适用数据类型：数值型和标称型数据二、概念1、CART分类回归树(Classification And Regression Trees)既可以用于分类，也可以用于回归2、树构建算法比较：ID3算法：每次选取当前最佳特征来分割数据集，按照该特征所有取值来切分，用过的特征在之后的切分中不起
2017-12-07 12:16:12
226
原创 线性回归
一、线性回归：优点：结果易于理解，计算不复杂缺点：对非线性的数据拟合不好使用数据类型：数值型和标称型数据二、标准线性回归：已有一些对应的数据x和y，求出回归方程回归系数w^=(XTX)-1XTy平方误差∑（yi-xiTw）2比较预测效果好坏：预测值和真实值之间的相关系数三、局部加权线性回归允许在估计中引
2017-12-07 12:12:02
275
原创 利用AdaBoost元算法提高分类性能
一、优点：泛化错误率降低，易编码，可以应用在大部分分类器上，无参数调整缺点：对离群点敏感使用数据类型：数值型和标称型数据二、1、元算法：对其他算法进行组合不同算法集成、同一算法在不同设置下的集成、数据集不同部分分配给不同分类器之后的集成2、算法比较：bagging（自举汇聚法）：从原始数据集随机选择S次后得到S个新数据集，不同分类器是通过串行训练获得的，
2017-12-07 12:04:38
307
原创 logistic regression 逻辑回归
逻辑回归一、优缺点及适用数据类型优点：计算代价不高，易于理解和实现缺点：容易欠拟合，分类精度可能不够适用数据类型：数值型和标称型数据二、基本算法 1.Logistic回归目的是寻找一个非线性函数Sigmoid的最佳拟合参数2.用Sigmoid函数作为预测函数：H（z）=1/(1+exp(-z))z=w0x0+w1x1+w2x2+…+wnx
2017-11-26 13:18:51
431
原创 决策树算法简介
决策树（decision tree）一、背景知识符号xi的信息量：L(xi) = - log2p(xi)熵：H = -∑p(xi)log2p(xi)信息增益：特征A对训练数据集D的信息增益g(D,A)= H(D) - H(D|A)其中，定义集合D的经验熵H(D)与特征A给定条件下D的经验条件熵H(D|A)之差二、优缺点及适用数据类型
2017-11-26 12:53:42
522
原创 kNN(K-Nearest Neighbor)算法简介
kNN(K-Nearest Neighbor)算法——监督学习中的一种常见分类算法一、kNN(K-Nearest Neighbor)算法优缺点及适用数据范围 优点：精度高、对异常值不敏感、无数据输入假定 缺点：计算复杂度高、空间复杂度高 适用数据范围：数值型和标称型二、基本算法 1.将新数据的每个特征和样本集中的数据对应特征进
2017-11-20 13:50:28
455
原创 机器学习简介
一、什么是机器学习？是一门研究计算机模拟人类学习行为的学科不需要外部的明显指示，计算机自己通过数据进行建模和学习来进行建模和预测简单的说，就是利用计算机把无序的数据转换为有用的信息的一门学科二、什么是深度学习？是基于机器学习延伸出来的一个新的领域以人的大脑结构为启发的神经网络算法为起源加之模型结构深度的增加发展并伴随大数据和计算能力的提高而产生的一系
2017-11-19 09:36:10
299
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人