菜鸟致敬

这里只适合菜鸟程序猿哟,就像我这样的弱鸡
90 篇文章
28 人订阅

全部文章

Rare0716

QtScrcpy,人人可用的多屏协同

他们的缺点显而易见,必须使用特定品牌的手机,甚至特定的品牌的电脑才可以。另外还有什么高延迟,只支持windows系统等等。

3310
Rare0716

机器学习day19概率图模型

概率图模型(Probabilistic Graphic Model),能够很好地挖掘潜在的内容。

8410
Rare0716

机器学习day18聚类算法评价

非监督学习往往没有标注数据,这是模型,算法的设计直接影响最终的输出和模型的性能。为了评估不同的聚类算法,我们可以从簇下手。

6430
Rare0716

机器学习day17使用自组织映射网络

输出层神经元的数量与训练集样本的类别数相关。不清楚类别数,尽可能多设置节点数。分类过细可适当减少输出节点,减少从未更新权值的死节点。

4310
Rare0716

机器学习day16自组织映射神经网络

先固定当前的正态分布不变,获取每个点由每个数据点生成的概率。然后固定改生成概率不变,根据数据点和生成概率,获取更佳的正态分布,如此循环反复,直至参数收敛。得到合...

6520
Rare0716

机器学习day15高斯混合模型

高斯混合模型(Gaussian Mixed Model,GMM)也是常见的聚类算法。使用EM算法进行迭代计算。高斯混合模型假设了每个簇的数据符合正态分布(高斯分...

6510
Rare0716

机器学习day14 K均值算法

简单说,就是一开始我们假设的簇中心是随便找的,并不能将数据合理的分类,我们不断计算各个数据与最近簇中心的误差,然后又计算每类簇新的中心,算出J,直到无法减少,也...

4920
Rare0716

机器学习day13非监督学习

给机器输入大量的特征数据,并期望机器通过学习找到数据中存在的共性特征或结构,亦或数据之间的关联。比如说,视频网站根据用户的观看行为进行分组,采取不同的推荐策略。...

6520
Rare0716

机器学习day12线性判别分析

线性判别分析(Linear Discriminant Analysis,LDA)是一种监督学习算法,常常用于数据降维。 LDA是为分类问题服务的,因此需要先找到...

5820
Rare0716

机器学习day11降维

原始数据高维向量包含冗余与噪声。主成分分析(Principal Components Analysis,PCA)是最经典的降维方法,具有线性、非监督、全局等特点...

8750
Rare0716

机器学习day9-决策树

决策树自上而下,对样本数据进行树形分类的过程。决策树由结点和有向边组成。结点又分内部结点和叶结点。每个内部结点表示一个特征或属性,叶子结点表示类别。 从顶部开始...

5920
Rare0716

数据结构|队列的实现[6]

队列的特性是先进先出。每次数据出去只能的队列的头部,每次数据进来只能加在队列的尾部。 队列实现一般有两种方式,线性队列,链表队列。

8120
Rare0716

机器学习day8-SVM训练误差为0的解存在问题

使得SVM训练误差为0,但是这个参数不一定是满足SVM条件的一个解,在实际训练SVM模型时,会加入一个松弛变量,那么还能够保证得到的SVM分类器满足训练误差为0...

9210
Rare0716

数据结构|栈的实现改[5]

栈满足的特性是先进后出,就像货车装货物,把货物一次放进去,但是卸货的时候,你得先把最外面的卸载了,才能继续卸载里层的货物。 栈的实现有两种形式,一种是数组,一种...

7520
Rare0716

机器学习day4

二值分类器是机器学习中最常见的分类器。评价的指标也有很多,precision,recall,F1 score等等。ROC曲线也是之一。 ROC,Receiver...

7920
Rare0716

机器学习day5

网格搜索应该是最简单的超参数搜索算法。采用较大的搜索范围和较小的步长。十分耗费计算资源和时间。一般是先设置较大的搜索范围和较大的步长,来寻找全局最优值的可能位置...

4310
Rare0716

机器学习day6-svm中训练误差为0存在问题

支持向量机(Support Vector Machine,SVM)是众多监督学习方法中十分出色的一种。svm中广为流传的魔鬼与天使的故事。

6010
Rare0716

机器学习day7-逻辑回归,分类问题

逻辑回归处理的是分类问题,线性回归处理回归问题。两者都是采用极大似然估计对训练样本建模,线性回归使用最小二乘法,逻辑回归则是似然函数。

10720
Rare0716

机器学习day3

针对不同问题,分类,排序,回归,序列预测,选择合适的评估方式。 准确率Accuracy,精确率Precision,召回率Recall,均方根误差Root Mea...

7500
Rare0716

机器学习day2

为了能够使得组合特征避免出现参数过多,过拟合等问题,因此,我们需要找到有效的方法帮助我们进行特征的组合。 以预测问题举例。 输出特征有年龄,性别,购买物品类别,...

8410

扫码关注云+社区

领取腾讯云代金券