- 博客(14)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 删除s1中含s2字符
#include <iostream>using namespace std;bool shanchu(char s1[], char s2[]){ int i = 0,k = 0; if (s1 != NULL && s2 != NULL) { while (s1[i] != '\0') { int j = 0; while (s2[j] != '\0'&...
2018-04-12 20:21:42
361
原创 初始数据结构+算法复杂度
一、绪论1、什么是数据结构？ 程序设计=数据结构+算法 简单来说数据结构就是关系，数据结构分为逻辑结构和物理结构； 逻辑结构：指数据对象中数据元素之间的相互关系； 物理结构：数据的逻辑结构在计算机中的存储方式。 2、数据结构分类四大逻辑结构： 1、集合结构：数据元素除了同属于一个集合外，两两之间没有任何关系，不存在谁优先谁； 2、线性结构：元素之间一对一的线性关系
2017-09-29 23:14:33
379
原创 7-3 7-4 正则化在线性回归和非线性回归
7-3、正则化在线性回归1、正则后的线性回归问题设定2、正则化后损失函数的优化问题：——梯度下降法、正规方程求解法梯度下降法中：分析和直观理解：操作同传统梯度下降法一致，只是相当于对原来的参数theta进行一个变小压缩，如图。正规方程法：形式如图，多了一个近似单位阵的矩阵去求解theta同时对于可能
2017-09-12 21:52:41
642
原创 7-1 过拟合问题
1、什么是过拟合？Example：Linear regressionExample：Logistic regression分析：过拟合时——高方差2、Addressing overfitting变量很多，目标函数多元多次，且没有重组的训练样本，很容易出现过拟合问题。分析：实际
2017-09-10 15:58:03
307
原创 6章 分类问题、逻辑回归算法
6-1、classification什么是分类问题：positive/negative二分类问题、多分类问题Threshold classifier线性回归对于分类问题的实用性逻辑回归对于分类问题的实用性——典型的分类算法6-2、逻辑回归算法的目标函数函数h的含义和目的：给定输入样本，去估计y=1的概率；
2017-09-10 15:37:26
464
原创 5-1章 Octave介绍
5-1、About Octave Operation（略）5-2、Octave（略）5-3、Octave ——Computation on data5-4、Octave——Plotting5-5、Octave——using control function——循环等Octave总结：类似matlab，简单易上手~5-6、Vectorization——向量化—
2017-09-08 22:43:32
288
原创 4-6 4-7 Normal Equaltion for Linear regression
标准方程法（区别对立与梯度下降法）不是迭代下降寻找最优解，而是通过计算求解（利用微积分）步骤：①对每一变量对应系数求偏导数；②令偏导数为零；求解此时系数。可直接利用程序实现：图示关系
2017-09-08 10:41:05
341
原创 4-4 特征选择和模型建立
变量（特征）选择给定直观的影响变量后，可对变量根据某种关系进行组合变换，得出满足自己某种需求的新变量；如：房价，房长*宽=面积多项式回归多元线性回归用多元线性回归去拟合数据，合理增加特征变量，使得拟合不下降（二次模型变为三次模型）；此时变量特征的scale很重要，尽可能保持一致；真正应该怎么选择变量特征，即函数怎么设计拟合最好？
2017-09-08 10:39:32
830
原创 4-2 4-3 4-4 Gradient Descent for Multiple Variables
多变量线性回归问题——梯度下降算法流程同第二章里单变量所讲一致；区别在于变量对应的系数增多，偏导数增多；梯度下降算法Tricks①Feature Scaling：多个变量（也可称为特征）的数量级能接近 similar scale 例如【0，1】【-1，1】区间Mean Normalization：xi由xi-ui替代② Learn
2017-09-07 22:52:22
324
原创 2-1 2-2 2-3 2-4 2-5 2-6 2-7： Model regression and Cost function
例：housing Price监督学习：给出正确的答案回归问题：预测出正确的结果训练回归模型：training set——算法——hypothesis
2017-09-06 20:34:56
372
原创 1-3，1-4：machine Learning and supervised Learning
监督学习：给定数据集样本，能给出准确的结果。 可以理解为待预测的可以被模型明确地训练出来（有充分训练样本）分类问题：离散的结果，breast cancer回归问题：数据多，可当实数 house price predict无监督学习：所有数据一样，没有属性或者标签，只有数据，但数据怎么样，什么意思不知道，怎么找到其中的关系？算法自
2017-09-06 20:27:47
257
mysql基本操作和练习手册.pdf
2019-10-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人