The Best or Nothing.

转载 K-Means聚类算法

K-Means聚类算法转自www.cnblogs.com/pinard/p/6164214.html ，有删改1. K-Means原理初探　　　　K-Means算法的思想很简单，对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇(cluster)。让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大。　　　　如果用数据表达式表示，假设簇划分为(C1,C2,...Ck)...

原创 统计学习方法——支持向量机(SVM)

SVM支持向量机 (support vector machines, SVM) 是一种二类分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器；支持向量机还包含核技巧，这使它成为实质上的非线性分类器支持向量机的学习算法是求解凸二次规划的最优化算法欧几里得空间和希尔伯特空间 【源自维基百科】欧几里得空间可以被扩展来应用于任何有限维度，而这种空间叫做n维欧几里得空间（甚至简称...

原创 统计学习方法——决策树

Decision Tree决策树学习的三个步骤：特征选择、决策树的生成、决策树的修剪决策树的结点：内部结点表示一个特征或属性，叶节点表示一个分类决策树的路径或其对应的if then 规则集合满足性质：互斥且完备决策树学习本质上是从训练数据集中归纳出一组分类规则与训练集不相矛盾的决策树可能有很多，我们需要的是一个与训练数据矛盾较小且分化能力较强的决策树关于剪枝：我们需要对已生成的树自下...

原创 统计学习方法——KNN

KNNk近邻（k-nearest neighbor, K-NN）是一种基本分类与回归方法KNN根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测，不具有显式的学习过程KNN相当于将特征空间划分为一些子空间，确定子空间里的每个点所属的类KNN三要素：距离度量 k值的选择 分类决策规则距离度量详见一般的Lp距离k值的选择在应用中，k值一般取一个比较小的数值，通...

转载 Logistic Regression - part 2

Logistic Regression - part 2原文地址：https://blog.csdn.net/ligang_csdn/article/details/53838743， 有删改1. 基本原理Logistic Regression和Linear Regression的原理是相似的，按照我自己的理解，可以简单的描述为这样的过程：（1）找一个合适的预测函数（Andr...

转载 Logistic Regression - part 1

Logistic Regression - part 1原文地址：https://www.jianshu.com/p/6af80ce10694， 有删改logistic回归是统计学习中的经典分类方法,他属于对数线性模型,logistic回归来源于logistic分布,先从logistic分布说起Logistic distribution设X是连续随机变量,X服从log...

原创 计算机视觉——图像理解简介

计算机视觉——图像理解简介图像理解的三个层次一是分类（Classification）​ 将图像结构化为某一类别的信息，用事先确定好的类别(string)或实例ID来描述图片。二是检测（Detection）​ 检测关注特定的物体目标，要求同时获得这一目标的类别信息和位置信息。三是分割（Segmentation）​ 分割包括语义分割（semantic segmentati...

转载 Python lambda表达式

Python lambda表达式原文地址 : https://www.jianshu.com/p/9f306285a3ca在学习python的过程中，lambda的语法时常会使人感到困惑，lambda是什么，为什么要使用lambda，是不是必须使用lambda？下面就上面的问题进行一下解答。lambda是什么？看个例子：g = lambda x:x+1看一下执行的结果...

转载 卷积神经网络中的参数计算

卷积神经网络中的参数计算原文地址：https://www.cnblogs.com/hejunlin1992/p/7624807.html举例1：　　比如输入是一个32x32x3的图像，3表示RGB三通道，每个filter/kernel是5x5x3，一个卷积核产生一个feature map，下图中，有6个5x5x3的卷积核，故输出6个feature map（activation map）...

翻译 CS231n课程笔记翻译：卷积神经网络笔记

CS231n课程笔记翻译：卷积神经网络笔记笔记译自斯坦福CS231n课程笔记ConvNet notes，课程教师Andrej Karpathy授权翻译。转自知乎，原文地址：https://zhuanlan.zhihu.com/p/22038289?refer=intelligentunit持续更新内容和标记重点部分，欢迎各位在评论区讨论。 内容列表：结构概述 用来构建...

翻译 CS231n课程笔记翻译：神经网络笔记3（下）

CS231n课程笔记翻译：神经网络笔记3（下）笔记译自斯坦福CS231n课程笔记Neural Nets notes 3，课程教师Andrej Karpathy授权翻译。转自知乎，原文地址：https://zhuanlan.zhihu.com/p/21798784?refer=intelligentunit持续更新内容和标记重点部分，欢迎各位在评论区讨论。 内容列表：参数...

翻译 CS231n课程笔记翻译：神经网络笔记3（上）

CS231n课程笔记翻译：神经网络笔记3（上）笔记译自斯坦福CS231n课程笔记Neural Nets notes 3，课程教师Andrej Karpathy授权翻译。转自知乎，原文地址：https://zhuanlan.zhihu.com/p/21741716?refer=intelligentunit持续更新内容和标记重点部分，欢迎各位在评论区讨论。 内容列表：梯度...

原创 深度学习之:数据增强 (Data Augmentation)

深度学习之:数据增强 (Data Augmentation)内容持续更新中，欢迎各位在评论区补充和讨论!在当前AI这个数据驱动的时代，没有数据几乎是万万不能的。你的数据太少？别怕，我们有数据增强技术！ 当前流行的数据增强技1.翻转（Flip）可以对图片进行水平和垂直翻转。一些框架不提供垂直翻转功能。但是，一个垂直反转的图片等同于图片的180度旋转，然后再执行水平翻转...

翻译 CS231n课程笔记翻译：神经网络笔记 2

CS231n课程笔记翻译：神经网络笔记 2笔记译自斯坦福CS231n课程笔记Neural Nets notes 2，课程教师Andrej Karpathy授权翻译。转自知乎，原文地址：https://zhuanlan.zhihu.com/p/21560667?refer=intelligentunit持续更新内容和标记重点部分，欢迎各位在评论区讨论。 内容列表：设置数据...

翻译 CS231n课程笔记翻译：神经网络笔记1（下）

CS231n课程笔记翻译：神经网络笔记1（下）笔记译自斯坦福CS231n课程笔记Neural Nets notes 1，课程教师Andrej Karpathy授权翻译。转自知乎，原文地址：https://zhuanlan.zhihu.com/p/21513367?refer=intelligentunit持续更新内容和标记重点部分，欢迎各位在评论区讨论。 内容列表：不用...

翻译 CS231n课程笔记翻译：神经网络笔记1（上）

CS231n课程笔记翻译：神经网络笔记1（上）笔记译自斯坦福CS231n课程笔记Neural Nets notes 1，课程教师Andrej Karpathy授权翻译。转自知乎，原文地址：https://zhuanlan.zhihu.com/p/21462488?refer=intelligentunit持续更新内容和标记重点部分，欢迎各位在评论区讨论。 内容列表：不用...

原创 深度学习之:优化器 (optimizer)

深度学习之:优化器 (optimizer)        我们知道,越复杂的神经网络 , 越多的数据 , 需要在训练神经网络的过程上花费的时间也就越多. 原因很简单, 就是因为计算量太大了. 可是往往有时候为了解决复杂的问题, 复杂的结构和大数据又是不能避免的, 所以我们需要寻找一些方法, 让神经网络聪明起来, 快起来,让cost()的收敛速度更加理想.        这个时候,就应该让优...

原创 深度学习之:神经网络参数(权重)初始化

参数初始化在我们真正开始训练网络之前，我们必须要知道如何去初始化神经网络的参数。Training your neural network requires specifying an initial value of the weights. A well chosen initialization method will help learning.   我们先来看看三种...

原创 Python高级语法

最近重新看了网上的python教程，补充学习了一些之前用的较少的用法 字典注意字典中 key 是乱序的，也就是说和插入 的顺序是不一致的。如果想要使用顺序一致的字典，请使用 collections 模块 中的 OrderedDict 对象 迭代器Python 中的 for 句法实际上实现了设计模式中的迭代器模式 ，所以我们自己也可以按照迭代器的要求自己生成迭代器对象，以便在...

原创 吴恩达机器学习笔记

网易云课堂地址：https://study.163.com/course/courseMain.htm?courseId=1004570029字幕组干的还算不错！Chapter 1：绪论支持向量机－>支持无限维度的特征 无监督学习之鸡尾酒算法？“鸡尾酒会问题”（cocktailparty problem）是在计算机语音识别领域的一个问题，当前语音识别技术已经可以以较高...

原创 CS229学习笔记

最近系统地学习了2008版的CS229，笔记如下有些凌乱，大家见谅 cost function: LMS algorithm 最小均方算法为了找到使得cost function最小的θ，我们考虑使用梯度下降法这个方法就是从某一个 θ 的初始值开始,然后逐渐重复更新上面的这个更新要同时对应从 0 到 n 的所有j 值进行。这里的 α 也称为学习速率。这个算...

转载 神经网络详解

一、缘起原本想沿着 传统递归算法实现迷宫游戏 ——> 遗传算法实现迷宫游戏 ——> 神经网络实现迷宫游戏的思路，在本篇当中也写如何使用神经网络实现迷宫的，但是研究了一下， 感觉有些麻烦不太好弄，所以就选择了比较常见的方式，实现手写数字识别（所谓的MNIST）。二、人工神经网络简介从小至蚂蚁（没有查到具体数目，有的说蚂蚁大脑有25万个神经细胞，也有说是50万个），大至大象，蓝...

转载 简单易懂的朴素贝叶斯分类算法

贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单，也是常见的一种分类方法。这篇文章我尽可能用直白的话语总结一下我们学习会上讲到的朴素贝叶斯分类算法，希望有利于他人理解。 1  分类问题综述 对于分类问题，其实谁都不会陌生，日常生活中我们每天都进行着分类过程。例如，当你看到一个人，你的脑子下意识判断他是学生...

原创 KNN详解

KNN算法，又称K-近邻算法简单来说，KNN采用测量不同特征值之间的距离来进行分类优点：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 kNN算法的核心思想       如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻...

原创 Java学习笔记——java.lang

Java学习笔记——java.langjava.lang包是java语言的核心，它提供了java中的基础类。包括基本Object类、Class类、String类、基本类型的包装类、基本的数学类等等最基本的类。我们介绍一下Java 8中的java.lang包。主要类如下图：     类型对象基类Object，是java.lang的根类，也是所有类的超类。类...

原创 决策树是如何处理不完整数据的？

首先我们来看一下知乎上的不错回答（https://www.zhihu.com/question/34867991/answer/151775210）缺失值问题可以从三个方面来考虑1. 在选择分裂属性的时候，训练样本存在缺失值，如何处理？假如你使用ID3算法，那么选择分类属性时，就要计算所有属性的熵增(信息增益，Gain)。假设10个样本，属性是a,b,c。在计算a属性熵时发现，第10个...

转载 git合并丢失代码问题分析与解决

git合并丢失代码问题分析与解决转自简书，写的真心赞 问题描述我们在主干dev和branch1分支上进行并行开发。当要把branch1功能的代码合并到dev上时，发现dev上开发的部分功能代码找不到了。那么，是在branch1上，作了删除提交导致的吗？然而，通过blame查提交日志，并没有发现删代码的提交记录。难道一个分支有一个功能，另一个分支没这个功能，git合并时就有可...

原创 正则表达式之运用

正则表达式之运用什么是正则表达式？             一个正则表达式就是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。       该模式描述在查找文字主体时待匹配的一个或多个字符串。       正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。 今天，我们来探讨一下正则表达式可以用来做什么？（1）匹配字符串。正则表达...

转载 如何提升你的能力？给年轻程序员的几条建议

如何提升你的能力？给年轻程序员的几条建议转自http://tech.glowing.com/cn/advices-to-junior-developers/  一转眼工作已有8年，前两天公司一位初入职场的同事希望我给一些建议与经验。我觉得这个话题很有价值，这里以个人的想法与经历写成此文，希望给年轻的开发者们一些启发。我工作过的公司有4家，NVIDIA, Google, Slid...

转载 八个最佳Python IDE

八个最佳Python IDE转载于：http://blog.csdn.net/chszs/article/details/45922299Python是一种功能强大、语言简洁的编程语言。本文向大家推荐8个适合Python开发的IDE。1. Eclipse with PyDevhttp://pydev.org/Eclipse+PyDev插件，很适合开发Python Web应用...

原创 什么是正则表达式？

什么是正则表达式？正则表达式(Regular Expression)是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。正则表达式是烦琐的，但它是强大的，学会之后的应用会让你除了提高效率外，会给你带来绝对的成就感。  来看一个小demo<!DOCTYPE ht...

原创 C++ 11 多线程与线程管理

C++ 11 多线程与线程管理说到多线程编程，那么就不得不提并行和并发。         并行是指两个或多个独立的操作同时进行。注意这里是同时进行，区别于并发，在一个时间段内执行多个操作。在单核时代，多个线程是并发的，在一个时间段内轮流执行；在多核时代，多个线程可以实现真正的并行，在多核上真正独立的并行执行。例如现在常见的4核4线程可以并行4个线程；4核8线程则使用了超线程技术，把一个物...

转载 机器学习算法工程师需要掌握的技能与要踩的坑

1. 前言本来这篇标题我想的是算法工程师的技能，但是我觉得要是加上机器学习在标题上，估计点的人会多一点，所以标题成这样了，呵呵，而且被搜索引擎收录的时候多了一个时下的热门词，估计曝光也会更多点。不过放心，文章没有偏题，我们来说正经的。今天就说说机器学习这个最近两年计算机领域最火的话题，这不是一篇机器学习的技术文章，只是告诉大家机器学习里面的坑实在是太多，而且很多还没入门或者刚刚入门的朋友们...

原创 程序员的高效工作环境

 程序员的高效工作环境 即使是程序员，也有向往诗和远方的权利。1.一台合适的电脑（包括合适的处理器，显示器（拓展屏），键盘，鼠标）2.功能强大的编译器（IDE了解一下）3.舒适的物理环境（合适的电脑椅，视线角度，桌面面积，注意颈部保护）4.隔绝噪音（隔音耳机，推荐头戴式和入耳式交替使用，听纯音乐）5.给力的网络 （无需多言）6.一个可以随意涂画的纸质笔记本和网络...

原创 你真的是程序员吗？

哈哈别紧张，你要是能看懂下面的段子，你便是名副其实的程序员 1.一程序员去面试，面试官问：“你毕业才两年，这三年工作经验是怎么来的？！”程序员答：“加班。” 2.某程序员对书法十分感兴趣，退休后决定在这方面有所建树。于是花重金购买了上等的文房四宝。一日，饭后突生雅兴，一番磨墨拟纸，并点上了上好的檀香，颇有王羲之风范，又具颜真卿气势，定神片刻，泼墨挥毫，郑重地写下一行字：hellow...

转载 MySQL基础

MySQL基础一、MySQL概述1、什么是数据库 ？　答：数据的仓库，如：在ATM的示例中我们创建了一个 db 目录，称其为数据库2、什么是 MySQL、Oracle、SQLite、Access、MS SQL Server等 ？　答：他们均是一个软件，都有两个主要的功能： a. 将数据保存到文件或内存 b. 接收特定的命令，然后对文件进行相应的操作 3、什么是SQL ...

转载 Python神图

原创 C++：判断map是否初始化

对一个未知的map进行操作，如果此map没有被初始化，则可能导致很多问题今天解决的问题是：如何判断一个map是否初始化，若无，则初始化之。 std::map<int,int> *p = &mn; if(p == NULL){ //如果没有初始化 // mn = std::map<int,int>(); } else{ ...

转载 C++：map用法详解

映射和多重映射基于某一类型Key的键集的存在，提供对T类型的数据进行快速和高效的检索。对map而言，键只是指存储在容器中的某一成员。Map不支持副本键，multimap支持副本键。Map和multimap对象包涵了键和各个键有关的值，键和值的数据类型是不相同的，这与set不同。set中的key和value是Key类型的，而map中的key和value是一个pair结构中的两个分量。1.map介绍　...

原创 CMake是什么？有什么用？

CMakeCMake是一个跨平台的编译(Build)工具,可以用简单的语句来描述所有平台的编译过程。CMake能够输出各种各样的makefile或者project文件，能测试编译器所支持的C++特性,类似UNIX下的automake。假如我们有一个深度学习框架的部分工程列表，里面有超过40个互相调用的工程共同组成，一些用于生成库文件，一些用于实现逻辑功能。他们之间的调用关系复杂而严格，如果我想在这...