- 博客(24)
- 收藏
- 关注
RSS订阅原创 LR实例：波士顿房价预测2
上次做了最简单的一个LR实例，然后遗留了几个可以改进的问题：1.训练集和测试集的划分2.模型的评估和调整3.特征的筛选针对这些问题，分别查找了一些解决方法：1.sklearn的train_test_split函数train_test_split函数用于将矩阵随机划分为训练子集和测试子集，并返回划分好的训练集测试集样本和训练集测试集标签。格式：X_train,X...
2019-07-26 15:18:24
930
原创 LR实例：波士顿房价预测
sklearn是python的一个包，也是机器学习中常用的一个模块，里面封装了很多机器学习的算法，不需要对机器学习算法的实现，只需要简单地调用sklearn里相对应的模块即可。波士顿房价数据是sklearn里经典的回归数据集。使用sklearn linear_regression 模型拟合boston房价datasets。并使用pyplot画出预测价格和真实价格的对比图。from skl...
2019-07-22 14:18:30
1707
原创 微积分学习笔记：梯度 & 梯度下降
最近流行说：“万物皆可盘”，站在数学的角度，我更喜欢另外一句“万物皆可微”。不知道怎么计算一个圆的面积，可以把它切割成无数个相等的三角形（形成一个内接正多边形），来无限逼近圆本身。不知道如何入手开始一个项目，可以WBS，不停的break down，把一个框架拆解成更小的任务和可交付单元。和任何一个其他数学概念一样，诞生之初，都是为了解决某些实际生活中的问题，了解到概念之后，也应该回...
2019-07-08 18:19:42
1124
原创 CNN学习笔记：RGB图像处理
之前CNN学习中，遇到的例子，都是对灰度数字图像的处理，那么对于RGB这种 3 layers的矩阵，应该怎么做卷积处理呢？3 layers做过卷积之后，会得到几层呢？答案如下：对于3层的原始数据，我们采用的filter一般也是3层，如果filter大小为3x3x3，那么做卷积运算时，依然采用对位相乘，其结果为第一层的9个乘积的和+第二层的9个乘积的和+第三层的9个乘积的和，即27个乘积之和，卷...
2019-06-17 17:45:26
2181
原创 ML中的数据集处理方法
两个常见概念：过拟合：是指为了得到一致假设而使假设变得过度严格。当机器学习把训练样本学习得“太好”，可能把训练样本自身的一些特点当成了所有潜在样本都具有的一本性质，这样旧会导致泛化性能下降，这种现象在机器学习中成为过拟合overfitting.欠拟合：是指模型拟合程度不高，即模型没有很好地捕捉到数据特征，不能够很好地拟合数据。通常是由于学习能力低下而造成的。一个直观化的类比，如下图所示...
2019-06-10 14:11:48
586
原创 CNN学习笔记：卷积和卷积核的作用
卷积：根据离散二维卷积公式，有：但在图像处理的计算中，一般将卷积核翻转后再计算，可以直接看成是对位相乘。卷积核的作用：滤波/特征提取假设有一个卷积核如下图所示：我们可以看到小鼠各部分和它做卷积的结果。图形越相似，所得结果也就越大。由此可以看出卷积的作用，即在于滤波，或特征提取。所以CNN的核心所在也就是找到这个卷积核kernal.也就是...
2019-06-02 20:51:45
12375
5
原创 智能音响组成结构
智能音响主要由以下五部分组成，各部分的关系如图所示：1.ASR:Automatic Speech Recognition 语音识别2.NLU:Natural Language Understanding自然语言理解3.DM：Dialogue Management对话管理4.NLG: Natural Language Generation自然语言生成5.TTS: Text To ...
2019-05-27 09:31:28
4036
原创 线性代数学习笔记四：线性代数的应用举例
学习一门科学，当我们不知道它有何用时，就会怀疑自己为何而学，那么学习的兴趣就很难持久。而当我们了解了 何时when 何地where 何人who 为何why用到了它，就会更想要搞明白 这到底是什么what（或者用到了哪一部分），以及该怎样使用how或更好地使用它。所以，了解了一些线代的基本概念之后，便忍不住去搜索它在实际生活中的应用场景。1.计算机图形学中的应用计算机上...
2019-05-20 19:31:27
11466
原创 线性代数学习笔记三：矩阵的秩
Q：有n个方程就能解出n个未知数么？A：不一定，如要有唯一解，则他们必须线性无关。否则这个方程组有无穷多个解。线性无关：在一个线性空间*中，如果一组向量a1,a2...as（其中s>=1），只有当k1=k2=...=ks=0是，k1a1+k2a2+…ksas=0才成立，则称这组向量线性无关。如若存在一组不全为零的系数使该等式结果为零，则这组向量线性相关。可以理解为，方...
2019-05-13 20:14:56
3433
原创 线性代数学习笔记二：可逆矩阵inverse matrix
逆矩阵（方阵）如果存在使得，则A是可逆的、非奇异的，且使得=。逆矩阵的概念类似于数学中的导数，5*(1/5)=1，，矩阵A的“倒数”是它的逆矩阵。逆矩阵产生的原因：用来实现矩阵的除法。比如有矩阵X，A，B，其中X*A = B，我们要求X矩阵的值。本能来说，我们只需要将B/A就可以得到X矩阵了。但是对于矩阵来说，不存在直接相除的概念。我们需要借助逆矩阵，间接实现矩阵的除法...
2019-05-06 19:09:23
4688
原创 线性代数学习笔记一：发展历史&乘法理解
线性代数，linear algebra，作为机器学习的基础，为了更好地理解ML，先来回顾一下大学时学过的线代内容。一、线代的产生矩阵/行列式最初的产生，是为了方便对线性方程组的记录，而使用的一种速记方式。二、矩阵的发展向量 与 线性变换Note:变换即通过一组向量得到另外一个向量的函数ai=jai+bj=kai+bj+ck=l三、矩阵的运算标量，...
2019-04-29 10:51:44
865
原创 马尔科夫链的一个例子：老鼠迷宫问题
问题：如下图所示的迷宫共有4个格子，相邻格子有门相通，4号格子是迷宫的出口.整个迷宫将会在5分钟后坍塌. 1号格子有一只老鼠，这只老鼠以每分钟一格的速度在迷宫里乱窜（它通过各扇门的机会均等）。求此老鼠在迷宫坍塌之前逃生的概率。如果这只老鼠速度提高一倍，则老鼠在迷宫坍塌之前逃生的概率能增加多少？通过每个门概率相等，但4号是出门，所以各个门之间的转移概率如下：上图可以转化为：转移概率矩...
2019-04-22 22:37:50
2397
1
原创 what is markov chain
无后效性是指如果在某个阶段上过程的状态已知，则从此阶段以后过程的发展变化仅与此阶段的状态有关，而与过程在此阶段以前的阶段所经历过的状态无关。无后效性是指如果在某个阶段上过程的状态已知，则从此阶段以后过程的发展变化仅与此阶段的状态有关，而与过程在此阶段以前的阶段所经历过的状态无关。具体理解可参照下面的例子：马尔科夫——今天的事情只取决于昨天，而明天的事情只取决于今天，与历史毫...
2019-04-15 20:36:41
144
原创 无人机初探
无人机分类：1.固定翼飞机（Fixed-wing plane）简称为飞机（英语：Plane），是指由动力装置产生前进的推力或拉力，由机身的固定机翼产生升力，在大气层内飞行的重于空气的航空器。e.g.我们出差或旅行时，乘坐的飞机。2.多旋翼无人机，是一种具有三个及以上旋翼轴的特殊的无人驾驶旋翼飞行器。常见载人直升机则一般为单旋翼。区别和特点：1.固定翼：远距离、速度快 、...
2019-04-01 19:30:35
540
原创 无人驾驶简介
无人驾驶：顾名思义，不需要人的操作，而是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。它是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。但是无人驾驶，不是一蹴而就的，根据驾驶自动化程度，美国机动工程师协会SAE将其分为五个阶段：其自动驾驶功能也是逐层递...
2019-03-25 19:28:59
3575
原创 机器学习入门
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。主要分为：监督学习和非监督学习监督学习涉及一组标记数据。计算机可以使用特定的模式来识别每种标记类型的新样本。监督学习的两种主要类型是分类和回归。...
2019-03-17 23:40:00
131
原创 SVM算法简介
SVM(Support Vector Machine)中文名为支持向量机，是常见的一种判别方法。作用：在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。相关概念分类器：分类器就是给定一个样本的数据，判定这个样本属于哪个类别的算法。例如在股票涨跌预测中，我们认为前一天的交易量和收盘价对于第二天的涨跌是有影响的，那么分类器就是通过样本的交易量和收盘价预测第二天...
2019-03-11 00:36:34
832
原创 推荐系统探秘
当你在豆瓣打开《流浪地球》的电影页面，会看到：这就是推荐系统最常见的一个应用场景。推荐系统一般分为两类：基于用户的推荐和基于物品的推荐。无论哪一种，相似度都是一个被常常提及的概念。那什么是相似度呢？它是衡量两个物品/用户之间相似程度的一个指标。想象一个场景，如下图所示，用户A购买了商品1,2；用户B购买了产品1,2；用户C购买了产品1,3。从用户的历史行为中，我们可以看到A和B...
2019-03-03 20:02:58
142
原创 Jmeter 分布式测试配置方法
利用JMeter进行负载测试的时候，使用单台机器模拟测试超过1000个行程的并发就有些力不从心，在执行的过程中，JMeter自身会自动关闭，要解决这个问题，可以使用分布式测试，运行多台机器运行所谓的 Agent 来分担 JMeter自身的压力，并借此来获取更大的并发用户数,但是需要进行相关的一些修改，具体如下： 1、在所有期望运行 JMeter 作为 Load Generator 的机器
2014-12-17 19:57:27
1409
原创 Reading Notes：如何读史
分享两则关于读史的名人名言，虽则说史，但放眼其他亦然。 第一则，说读书不为用，一旦遇事，跟没读过书的人一样。这就是读完书，书还是书，你还是你，完全没交集。这倒不一定是书无用，大多数情况是读书人看书的时候没抱着将来要去用、去实践的态度。就像大学里考完计算机二级三级的学生一抓一大把，但是让这些人来写段程序，恐怕就只能摊手了（嗯，我说的就是自己TAT）。 该怎么办呢？下面两则
2014-11-26 00:28:27
1426
原创 Reading Notes:《如何阅读一本书》
在知乎看到有人推荐，适逢中秋假期，抽了一个下午，粗读了一遍，受益匪浅，希望自己在以后的读书过程中能运用到。总分总的框架，先讲主动阅读的基础，然后讲阅读的四个层次，最后提到心智成长。有一句话，说的极妙，“如果你的阅读目的是要变成一个更好的阅读者，那么你就不能魔道任何书和文章都读。”愿自己能从一个爱读者之人，变成会读书之人。主动阅读:一个阅读者要提出的四个基本问题1.整
2014-09-07 20:40:08
1129
原创 Reading Notes: 《拖延心理学》
6、7、8，三个月没上CSDN了【中间有一个月被世界杯夺了魂，其他时间不知道在搞什么鬼╮(╯▽╰)╭】，今天login后，看到一条私信。诶呦，我去，上次大数据读书汇赠书活动抽中我了呀，截止日期6月23日，默默看看桌面右下角，2014-09-06，啊啊啊啊啊啊，我的书TT__TT喏，上面就是一个重度拖延症患者的生活一幕，我常常生活在plan-->do-->delay-->cry，好好的PDC
2014-09-06 22:07:23
898
原创 自己的力量zz
站在山顶的时候 突然之间就从山顶上跌落了下来 一路翻滚慢慢到谷底 是一辈子呆在谷底 还是爬到山腰就放弃 还是永远朝着山顶向上爬 我想我一定要再次依靠自己的力量 从那里跌倒就从那里站起来的 重新再一次站起来 从自己的内心获得力量以及信念 再大的痛与苦都会随着时间的消逝而过去的 不管我怎么样对待它 时间依旧会向前行进 就像我那天站在火车上看着窗外
2009-04-23 19:22:00
632
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人