- 博客(26)
- 资源 (31)
- 问答 (1)
- 收藏
- 关注
原创 进程间调用,参数带有空格的解决措施
进程间调用,传递的参数带有空格,该如何解决。用双引号包起来,这个得借助转义字符了。还是得参考msdn官网文档:https://msdn.microsoft.com/zh-cn/library/system.diagnostics.processstartinfo.arguments caxaAutoUpdate.StartInfo.Arguments = string.Format("\"{0}
2017-11-30 16:57:06 846
原创 机器学习高斯混合模型:聚类原理分析(前篇)
01 — 回顾近几天,分析了期望最大算法的基本思想,它是用来迭代求解隐式变量的利器,我们举例了两地的苹果好坏分布为例来求解隐式参数,苹果的出处,进而求出烟台或威海的苹果好坏的二项分布的参数:好果的概率。关于二项分布和离散式随机变量的基础理论知识,请参考: 机器学习储备(11):说说离散型随机变量 机器学习储备(12):二项分布的例子解析注意在求解烟台或威海的好果概率这个分布参数时,我们在每个
2017-11-30 08:27:35 3303
原创 机器学习储备(12):二项分布的例子解析
01 — 二项分布如果实验满足以下两种条件: 在每次试验中只有两种可能的结果,而且两种结果发生与否互相对立; 相互独立,与其它各次试验结果无关; 事件发生与否的概率在每一次独立试验中都保持不变。 则实验的结果对应的分布为二项分布。当试验次数为1时,二项分布服从0-1分布。02 — 例子解析例如,一堆苹果有好的,有坏的,从中取10次,定义随机变量:从中取得好苹果的个数
2017-11-29 19:27:10 10571
原创 机器学习储备(11):说说离散型随机变量
交流思想,注重分析,更注重通过实例让您通俗易懂。包含但不限于:经典算法,机器学习,深度学习,LeetCode 题解,Kaggle 实战。期待您的到来!01 — 包含的概念通过例子介绍以下几个主要概念: 随机变量的定义 不同的X取值也会不同 离散型随机变量 古典概率 离散型随机变量X=xi时的概率 分布函数02 — 例子阐述以上概念一堆苹果,数量一共有5个,有好的,有坏的,如果定义
2017-11-29 17:30:48 745
原创 机器学习期望最大算法:实例解析
01 回顾 已经分析了朴素贝叶斯分类,拉普拉斯修正,半朴素贝叶斯分类器,在这些理论阐述中,都带有详细的例子解释,通过例子理解相关的理论是一种快速消化公式和理论比较不错的方法。接下来,介绍一种非常经典的求解隐变量的算法,这也是一种经典的算法。让我们先从最大似然估计入手,在03节真正分析这种算法。 02 最大似然估计求分布参数给定一堆苹果,里面有好苹果,也有坏苹果。好果的分布满足某种概率分布,也就是拿到
2017-11-28 08:13:34 603
原创 机器学习:单词拼写纠正器python实现
01 朴素贝叶斯分类实战前面介绍了贝叶斯的基本理论,朴素贝叶斯分类器,拉普拉斯修正,文章的链接如下: 机器学习:说说贝叶斯分类 朴素贝叶斯分类器:例子解释 朴素贝叶斯分类:拉普拉斯修正 在这3篇推送中用例子详细阐述了贝叶斯公式和朴素贝叶斯如何做分类,以及如何修正一些属性某些取值概率。下面,借助朴素贝叶斯分类器的基本思想,编写一个单词拼写纠正器,它大致实现的功能如下: 如果用户输入的单词存在
2017-11-27 08:26:47 3568 1
原创 朴素贝叶斯分类:拉普拉斯修正
拉普拉斯修正上面通过这个例子折射处一个问题:训练集上,很多样本的取值可能并不在其中,但是这不并代表这种情况发生的概率为0,因为未被观测到,并不代表出现的概率为0 。正如上面的样本,看其他两个属性很可能属于好苹果,但是再加上颜色:青色,这三个属性取值组合在训练集中并未出现过,所以朴素贝叶斯分类后,这个属性取值的信息抹掉了其他两个属性的取值,在概率估计时,通常解决这个问题的方法是要进行平滑处理,常用拉普
2017-11-27 08:23:19 5851
原创 朴素贝叶斯分类器:例子解释
1 引言在昨天推送了用一个例子引入贝叶斯公式的基本思想,然后用贝叶斯公式对一个很简单的问题做分类,最后引出来一个问题:后验概率 P(c | x) 的求解转化为求解 P(c)和 P(x | c),P(c) 根据大数定律容易求得,所以 P(x | c)成为了最核心也是最迫切需要求解的问题。下面,借助一个例子解释它是如何求解的,这个求解思想有一个很朴素的名字:朴素贝叶斯分类器。 2 一堆苹果笔者比较喜欢
2017-11-25 10:03:15 1708
原创 机器学习:说说贝叶斯分类
1 进入例子假如我是一个质检员,现在接到了三箱零件需要检验,其中第一箱有10个零件,第二箱有20个零件,第三箱有15个。半小时过去了,检验的结果出炉,第一箱有1个不合格,第二箱有3个不合格,第三箱2个不合格。下午领导要来视察了,看看我验的货到底有没有问题,于是他随手拿了一个零件,我心里默默计算,领导拿到这个件为合格件的概率有多大?在这个问题中,领导拿的这个零件首先一定在这3个箱子中的某一个,因此样本
2017-11-23 12:44:50 476
原创 机器学习:谈谈决策树
0 回顾前面谈了逻辑回归的基本原理及梯度下降推导过程,编码实现了逻辑回归的梯度下降算法,这是分类算法。今天,我们继续开启分类算法之旅,它是一种高效简介的分类算法,后面有一个集成算法正是基于它之上,它是一个可视化效果很好的算法,这个算法就是决策树。 1 一个例子有一堆水果,其中有香蕉,苹果,杏这三类,现在要对它们分类,可以选择的特征有两个:形状和大小,其中形状的取值有个:圆形和不规则形,大小的取值有:
2017-11-20 08:26:44 743
原创 机器学习储备(9):matplotlib绘图原理及实例
matplotlibmatplotlib 的对象体系非常严谨,为我们提供了巨大的方便性和使用效率。用户在熟悉了核心对象之后,可以轻易的定制图像。先来看看 Figure类,Axes类,直接调用Figure()构造函数,便得到一个fig实例,然后调用add_axes得到 axes实例。fig = plt.figure() # fig的图像坐标称为Figure坐标(此外还有一个数据坐标) ax
2017-11-18 07:59:13 4784
原创 机器学习逻辑回归:原理推导
前言到现在为止,我们通过大约1周的时间初步对机器学习是怎么一回事算是有一些基本的理解了,从最基本的线性回归入手,讨论了如何在拿到一堆数据时,先进行数据预处理(暂时未详细阐述,会在以后某个时间段详细论述),然后再假设模型(model)为线性模型,再带入数据通过直接求解法和梯度下降法求解模型的各个特征的权重参数,最后用脊回归和套索回归优化了普通最小二乘法回归,对L1和L2正则化有了进一步地认识。我们的整
2017-11-18 07:56:35 4734
原创 机器学习:正则化到底是怎么一回事?
1 L1和L2正则化项 2 L1和L2的作用 3 L1如何做到稀疏 4 L2如何做到防止过拟合 4 总结本文首发在《算法channel》公众号在最近的推送中,先后总结了最小二乘法的原理,两个求解方法:直接法和梯度下降,最后利用这两种思路进行了python实战;之后阐述了OLS算法使用的前提是必须满足数据集无多重共线性,因为它是无偏估计,这也带来了它非常惧怕多重共线性问题,在面对这些数据时,
2017-11-17 08:30:49 6066
原创 机器学习之线性回归:算法兑现为python代码
1 数据预处理 2 直接求解参数 3 梯度下降求参数 4 总结前面三天推送机器学习线性回归算法之最小二乘法,从假设到原理,详细分析了直接求解和梯度下降两种算法,接下来手动编写python代码实现线性回归的算法吧。 1 数据预处理在拿到一个数据集后,往往需要经过漫长的预处理过程,不要忽视这个看似与建立模型,求解模型无关的步骤,它其实非常重要的,为后续工作做好准备的一步。现在这节的重点不是在论述
2017-11-13 09:38:43 1633
原创 最小二乘法原理(后):梯度下降求权重参数
在上一篇推送中总结了用数学方法直接求解最小二乘项的权重参数,然而有时参数是无法直接求解的,此时我们就得借助梯度下降法,不断迭代直到收敛得到最终的权重参数。首先介绍什么是梯度下降,然后如何用它求解特征的权重参数,欢迎您的阅读学习。 1 梯度下降梯度是函数在某点处的一个方向,并且沿着该方向变化最快,变化率最大。沿着梯度这个方向,使得值变大的方向是梯度上升的方向,沿着使值变小的方向便是下降的方向。综上,梯
2017-11-12 07:27:37 7996
原创 机器学习之最小二乘法:背后的假设和原理
1 最小二乘法相关理论我们先从最基本但很典型的线性回归算法之最小二乘法说起吧,它背后的假设和原理您了解吗?本系列带来细细体会OLS这个算法涉及的相关理论和算法。参考推送:最小二乘法:背后的假设和原理(前篇) 2 最小二乘法原理(中):似然函数求权重参数似然函数的确是求解类似问题的常用解决方法,包括以后的解决其他模型的参数,也有可能用到似然函数。如果对似然函数无感觉,那么也请看一下下面的消息推送:最小
2017-11-11 19:22:39 4501
原创 「机器学习」:不得不知的概念(3)
在上一篇推送中我们总结了机器学习第一课:一些最最基本的概念,比如特征,训练集,维数,假设空间等,通过一个例子说明什么是机器学习的泛化能力。接下来,再通过一个例子说明什么是归纳偏好。 2 归纳偏好归纳偏好(inductive bias),机器学习算法在学习过程中对某种类型假设的偏好。任何一个有效的机器学习算法必有其归纳偏好,否则它
2017-11-09 08:34:01 1267
原创 「机器学习」:不得不知的概念(2)
回顾在上一篇推送中我们总结了机器学习第一课,一些最最基本的概念,比如特征,训练集,维数,假设空间等,接下来,继续介绍机器学习第二课,通过一个例子说明什么是机器学习的泛化能力,理解它有助于你了解机器学习为什么要解决过拟合问题。 泛化能力泛化能力(generalization),学得的模型适用于新样本的能力,是非常重要的能力。举个例子来说明什么是泛化能力。 就在我们上学那回,小明爱动脑筋,老师讲的题目不
2017-11-08 08:21:58 1536
原创 717. One-bit and two-bits characters
记录下,LeetCode Contest 56 题1,包括题目意思,和解题思路。 这个题目上来读了好几遍才理解它的意思,理解意思后,这个题目就比较简单了。 不过为了提升算法效率,进一步做了一些优化,优化后 beat 100% submission,重点看下优化思路吧。 1 原题解读We have two special characters. The first charact
2017-11-07 19:23:32 4839
原创 机器学习:不得不知的概念(1)
1 你会学到什么 2 不得不知 3 拿掉这个概念 4 总结 人工智能将是谷歌的最终版本。它将成为终极搜索引擎,可以理解网络上的一切信息。它会准确地理解你想要什么,给你需要的东西。我们现在还远远没有做到这一点。然而,我们能够逐渐接近,我们目前正在为此努力。Google CEO 拉里·佩奇 1 你会学到什么?接下来,在这个系列中您将会学系统性地入门机器学习,这个系列不会枯燥无味地去罗列知识点,
2017-11-07 08:20:18 1646
原创 「动态规划后篇」:适用场景
1 你会学到什么 2 核心问题 3 LCS 3-1 例子分析 4 LCS 代码实现 5 总结 1 你会学到什么?前三天的推送都是关于动态规划算法的,先通过一个《装水最多的容器》初步感受了动态规划是怎么一回事,相比于直观的枚举算法,它能使求解更快地收敛;之后,推送了求解有效括号对的最大数,在求解过程中,根据两种情况分别建立了递推公式;接着解决了动态规划常常需要一个O(n)或更大的空间以及这
2017-11-06 09:07:14 3664
原创 动态规划中篇:爬楼梯
1 你会学到什么 2 动态规划相关理论 3 动态规划好在哪里 4 爬楼梯 5 总结 1 你会学到什么?在前面的两个推送: LeetCode实战:动态规划算法是怎么一回事 动态规划:括号知多少 我们通过两个实际问题,《装水做多的容器》和《括号知多少》,初步对动态规划有了一个初步了解。在本推送中,我们将解决以下两个问题:动态规划牺牲空间换来了什么?动态规划如何提升时间性能的?再举动
2017-11-05 09:01:58 5340
原创 动态规划:括号知多少
1 你会学到什么?在上一消息推送中,我们通过《装水最多的容器》这个实际问题,初步了解了动态规划的魅力所在,还记得如果我们枚举所有可能的容器高度和边长时得到算法时间复杂度很大,而经过仔细分析目标函数和其变量关系时,我们发现把初始值设置为最大底边长度乘以相
2017-11-04 00:16:42 1325 1
原创 LeetCode实战:动态规划算法是怎么一回事
1 回顾 2 你会学到什么 3 讨论的问题是什么 4 动态规划入门 5 解决问题的方法 5-1 问题分析 5-2 暴力枚举 5-3 动态规划 5-4 算法思路 5-5 源码实现 5-6 模拟gif 6 算法评价 7 总结 8 GitChat 9 公众号
2017-11-03 07:57:07 2326
原创 常用排序算法代码兑现
回顾兑现代码1 冒泡排序 2 快速排序 3 直接选择排序 4 堆排序 5 直接插入排序 6 希尔排序 7 归并排序 总结欢迎关注算法channel公众号回顾五天过去了,8个主要排序算法的思想和原理图解都已经推送完了,在这些推送中,我们详细分析讨论了各种排序算法的时间、空间复杂度;算法的稳定性;算法的优化改进算法的应用场景如果您想了解或者进一步熟悉下这些算法原理,请参考之前
2017-11-02 07:44:02 1686
LeetCode-Manager
2017-06-10
LeetCode 完成题目管理工具
2017-06-10
.NET-BackgroundWorker实现异步处理和滚动条报告进度Demo
2017-05-05
归并排序算法程序模拟
2017-03-30
.NET-TreeView控件扩展功能:CheckBoxs父子选中状态同步和自动调整
2017-03-28
快速排序算法实现
2017-03-16
.NET: Xml.Serialization常用对象导图
2017-03-10
如何由浅复制到深度复制
2017-03-07
C#中的ArrayList导图
2017-03-07
用C#描述数据结构2:Array
2017-03-06
统计代码执行时间对象
2017-03-06
根据业务倒推观察者模式
2017-03-05
mvc 新建本地mdf 出错
2017-03-14
TA创建的收藏夹 TA关注的收藏夹
TA关注的人