ThitherShore-CSDN博客

记录两个问题（csv.reader和pandas.csv_read）。1）pandas模块“CParserError: Error tokenizing data. C error: Expected 1 fields in line 4, saw 2”错误；2）csv模块“line contains NULL byte”错误

2016-08-28 00:49:01 45528 5

原创 Python基础之矩阵输入

Python里面简单的矩阵输入笔记

2016-08-27 11:15:19 63434 4

原创 CSDN-markdown 表格样式设置（跨行表格，背景色等）

本文介绍 CSDN-markdwon 中借助 html 实现表格背景色设置以及特殊表格样式的实现。

2016-08-26 16:48:46 34517 6

原创机器学习(周志华)习题解答1.4: 两个算法到底孰优孰劣？没有免费午餐定理

介绍和简单证明“没有免费的午餐定理”，是说针对某一域的所有问题，所有算法的期望性能是相同的。即该域的有些问题上算法 A 比 B 好，则其余问题则有 B 比 A 好。所以“脱离距离问题去讨论选择什么算法更好是毫无意义的”，因为若对所有潜在的问题考虑，则所有算法性能是一样的。但机器学习是针对某一特定问题去考虑的，所以我们仍然有选择算法优劣的必要性和可行性。

2016-08-26 07:14:53 12712 7

原创机器学习(周志华)习题解答1.1-1.3: 理解假设和版本空间

本文介绍版本空间，假设空间的概念并举例求解。另外介绍和简单证明“没有免费的午餐定理”，是说针对某一域的所有问题，所有算法的期望性能是相同的。即该域的有些问题上算法 A 比 B 好，则其余问题则有 B 比 A 好。所以“脱离距离问题去讨论选择什么算法更好是毫无意义的”，因为若对所有潜在的问题考虑，则所有算法性能是一样的。但机器学习是针对某一特定问题去考虑的，所以我们仍然有选择算法优劣的必要性和可行性。

2016-08-25 09:10:10 16862 14

原创概率图模型(07): 从思路到模型(Knowledge Engineering)

从有向图到无向图，从全局分布到局部概率模型，前面课程已经介绍了多种模型和模型表示。如何将这些零散的知识结合起来，构建一个可以解决实际问题的模型呢？现在我们 take a big step back，来看看建模的思路方法和注意事项。

2016-08-22 16:44:16 1903

原创概率图模型(06): 概率图双重对偶视角 || 马尔可夫网 & 条件随机场及应用

独立关系和因子分解的等价性，MNs 和 BNs 的转化，概率图统一（有向或无向）的对偶双重视角 || 成对马尔科夫网，吉布斯分布，条件随机场，对数线性模型，Ising 模型，度量马尔可夫随机场，作为模板的共同特征提取 || 图像去噪，图像分割，三维重建，以及自然语言处理中 CRFs 的应用

2016-08-22 13:32:45 4271 5

原创概率图模型(05): 揭示局部概率模型, 稀疏化网络表示(Structured-CPDs)

本文讨论局部概率模（Structured-CPDs）。探索网络的局部结构（CPDs），理清条件概率分布中父节点变量间的关系，会发现更多好的独立性质，以此稀疏化网络的表示。同时对于连续变量，也避免了全概率分布表难以表达网络联合分布的问题。

2016-08-22 10:58:38 5531

原创概率图模型(03): 模板模型(动态贝叶斯, 隐马尔可夫和Plate模型)

本文介绍模板模型，分别讲解基于时间建模的时序模型：涉及动态贝叶斯，隐马尔科夫模型；和基于对象的建模的 Plate 模型。并结合案例举例讲解模型如何应用。

2016-08-21 18:54:21 8941 1

原创 CSDN-markdown 之 LaTeX 特殊公式格式笔记

本文**持续更新**自己写 LaTeX 公式过程中遇到的一些特殊公式格式的语法。

2016-08-20 12:34:29 25089 7

原创概率图模型(02)下: 贝叶斯网两等价观点(条件独立和因子分解)

本文将继续贝叶斯网络基础的讲解，主要目的在于诠释包括概率图的两种等价观点，即条件独立和因子分解（Independence 和 Factorization）的等价性；解释 d-分离和 I-Map 的概念，并介绍伯努利和多项式这两种朴素贝叶斯分类器。

2016-08-15 10:38:51 8422 5

原创概率图模型(02)上: 贝叶斯网中独立关系(因子分解 & 影响流动)

本文主要讲解了贝叶斯网络基础（Bayesian Network Fundamentals）相关知识，包括推断的形式（Reasoning Patterns），网络中概率影响的流动性（Flow of Probabilistic Influence），和有效迹（Active Trail）的定义，并举例讲解 V 型结构（V-structure）中的四种双边迹。

2016-08-15 10:07:11 10799

原创 CSDN-markdown 页间跳转（锚点链接）的实现

本文介绍 CSDN-markdown 中页面跳转（锚点链接）的实现方法。通过点击锚点链接，浏览器能根据这个锚点链接中指定的锚点名称定位到其对应的位置，即该锚点指向的页面里的特定段落，便于浏览者查看网页内容。

2016-08-14 19:58:41 23954 8

原创 CSDN-markdown 首行缩进的快捷实现: 全角空格配合&emsp;

在排版时，汉语经常需要首行空两格，但是Markdown 语言本身并不提供实现段首缩进功能，而手动输入空格很难掌握宽度，很不推荐。这里介绍我认为最简单快捷的实现方法：全角空格+&emsp配合互补.

2016-08-14 19:03:49 8787 1

原创 CSDN-markdown 内嵌 LaTeX - Mathjax 简介

CSDN-Markdown 内嵌 LaTeX 的介绍 & Mathjax 介绍 & LaTeX 语法

2016-08-14 10:05:23 1517 1

原创 CSDN-Markdown 扩展功能基于 HTML 的实现

个人CSDN-Markdown 基础及其扩展语法笔记，以及教程资料汇总。

2016-08-14 09:54:48 1008

原创概率图模型(01): 概述 & 三种分布（边缘 & 联合 & 条件）

本博客中概率图模型（Probabilistic Graphical Model）系列笔记以 Stanford 教授 Daphne Koller 的公开课 Probabilistic Graphical Model 为主线，结合资料（每篇博文脚注都附有链接）加以补充. 博文的章节编号与课程视频编号一致，详情见 PGM（概率图模型）Coursera: 课程资源分享和简介. 笔记持续更新．

2016-08-12 16:04:28 29887 8

原创概率图模型: Coursera课程资源分享和简介

本博客概率图模型（Probabilistic Graphical Model）系列笔记以 Stanford 教授 Daphne Koller 的公开课Probabilistic Graphical Model为主线，结合资料（每篇博文脚注都附有链接）加以补充. 博文的章节编号与课程视频编号一致，详情见 PGM（概率图模型）Coursera: 课程资源分享和简介. 　　笔记持续更新，为便于对照课程

2016-08-11 19:29:03 26659 45

原创 CSDN-markdown 文字样式设置（字体, 大小, 颜色, 高亮底色）

本文介绍与文字格式的相关设置语法，包括字体、大小、颜色和高亮背景色。并且介绍了表格中格子背景色的设置。

2016-08-11 12:14:23 46883 19

转载欢迎使用 CSDN-markdown 编辑器

欢迎使用Markdown编辑器写博客本

2016-08-10 10:29:48 822

走过的都是未来

原创 Hey, VYVYEN.SKY 2018.

原创双击 bat 直接运行 cmd 内容: 例打开 ipynb 文件

原创 Anaconda 打开 ipynb 文件并可设置路径

原创 LaTeX Error: File ''picins.sty'' not Found.

原创 SVMlight工具包使用说明（windows）

原创机器学习(周志华)习题解答4.3: Python小白详解ID3决策树的实现

原创 Python转非表格格式txt(汉字or数字)为xls

原创 Python编码格式导致的csv读取错误(csv.reader, pandas.csv_read)