- 博客(7)
- 收藏
- 关注
转载 拉格朗日乘数法——摘自高数下册P115
拉格朗日乘数法 要找函数z=f(x,y)z=f(x,y)在附加条件φ(x,y)=0φ(x,y)=0下的可能极值点,可以先做拉格朗日函数:L(x,y)=f(x,y)+λφ(x,y)L(x,y) = f(x,y)+λφ(x,y)其中λλ为参数。求其对x与y的一阶偏导数,并使之为零,然后与约束函数联立起来:⎧⎩⎨⎪⎪fx(x,y)+λφx(x,y)=0,fy(x,y)+λφy(x,y)=0,φ(x,y
2017-10-15 22:20:04 2440
原创 numpy的数组维度问题
由于之前写c++的时候大多用的是小于3维的数组,所以看到python中numpy的高维array(数组),层层叠叠的[]感觉把眼都看花了。 现在让我们睁大眼睛,仔细看看到底是怎么回事。 举例说明:>>>x1 = np.array([[1,2,3],[4,5,6]])>>>x1.shape>>>(2,3)>>>x2 = np.array([[[0],[1],[2]]])>>>x2.sha
2017-10-13 09:50:18 2675
原创 逻辑回归的回顾
1、模型函数 2、激活函数 其中,h(x)= p(y|x)(y=0或者y=1,当y=1时,代表,输入x时,输出是1的概率,当y=0时,代表,输入x,输出是0的可能性大小。 3、单个训练数据的损失函数(衡量概率与y到底有多接近) 4、m个训练数据的损失 5、为什么这里损失函数是这样的。 因为这里预测是值是概率,所以用线性回归的损失函数方法不合适(为什么不合适?因为用那种方法求得
2017-10-10 19:45:02 308
原创 线性回归的代码实现
# -*- coding: utf-8 -*-import numpy as npimport pylabdef Loss(b,m,x,y): L1 = (y-m*x-b)**2 L2 = np.sum(L1,axis = 0) return L2def GD(m,b,learning_rate,x,y,data): N = float(len(data))
2017-10-10 10:54:54 811
原创 matlab与c混合编程实现方法
系统:win7 64bit matlab版本:9.1.0.441655 (R2016b)1)百度下载安装TDM-GCC MinGw Compiler安装过程中记录其安装路径(自动生成的路径不要修改) 2)安装完毕以后右键“计算机”->“属性”->“高级系统变量”->“环境变量”->“系统变量”->“新建”: 变量名:MW_MINGW64_LOC 变量值:安装路径3)在matla
2017-10-05 15:15:21 1039
原创 python问题集
一、查看已经安装过的pakeges/moudles 首先进入powershell >>python >>help(“moudles”)上面那种方法似乎不能用了。。。用这种。 >>python >>help(“要查看的moudles名称”)二、代码中的代码作者名 __author__ = ‘CTTACM’#这句话表明代码的作者是CTTACM。三、关于python中的**
2017-10-05 13:48:30 434
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