2014年08月_小村长

12月 11月 10月 09月 08月 07月 06月 05月 01月

转载递归和迭代的区别

递归的基本概念:程序调用自身的编程技巧称为递归,是函数自己调用自己.一个函数在其定义中直接或间接调用自身的一种方法,它通常把一个大型的复杂的问题转化为一个与原问题相似的规模较小的问题来解决,可以极大的减少代码量.递归的能力在于用有限的语句来定义对象的无限集合.使用递归要注意的有两点:1)递归就是在过程或函数里面调用自身;2)在使用递归时,必须有一个明确的递归结束条件

2014-08-26 21:49:53 1023

原创 C++中动态申请二维数组

这里主要介绍C++中动态申请二维数组的两种方式，直接给出代码，很容易明白，简单的作为一个笔记。#include #include // 输入输出操纵 #include using namespace std;// 法一：new 方式申请void dynamicArray(){ int rows, cols; cin >> rows >> cols; i

2014-08-26 14:56:39 1998

原创机器学习实战笔记之非均衡分类问题

通常情况下，我们直接使用分类结果的错误率就可以做为该分类器的评判标准了，但是当在分类器训练时正例数目和反例数目不相等时，这种评价标准就会出现问题。这种现象也称为非均衡分类问题。此时有以下几个衡量标准。(1) 正确率和召回率如下图所示：其中准确率指预测的真实正例占所有真实正例的比例，等于TP/(TP+FP)，而召回率指预测的真实正例占所有真实正例的比例，等于T

2014-08-18 22:01:17 6021

原创机器学习实战笔记7(Adaboost)

1：简单概念描述 Adaboost是一种弱学习算法到强学习算法，这里的弱和强学习算法，指的当然都是分类器，首先我们需要简单介绍几个概念。1：弱学习器：在二分情况下弱分类器的错误率会高于50%。其实任意的分类器都可以做为弱分类器，比如之前介绍的KNN、决策树、Naïve Bayes、logiostic回归和SVM都可以。这里我们采用的弱分类器是单层决策树，它是一个单节点的决策树。

2014-08-18 21:26:57 11552 4

原创机器学习实战笔记6(SVM)

鉴于July大哥的SVM三层境界(http://blog.csdn.net/v_july_v/article/details/7624837)已经写得非常好了，这里我就不详细描述，只是阐述简单的几个概念。如果看SVM三层境界有困惑，我也愿意与大家交流，共同进步。简单概念描述：（1）支持向量机(SVM, support vectormachine)就是通过最大化支持向量到分类超平

2014-08-12 20:33:00 4925 2

原创机器学习实战笔记5(logistic回归)

1：简单概念描述假设现在有一些数据点，我们用一条直线对这些点进行拟合(改线称为最佳拟合直线)，这个拟合过程就称为回归。训练分类器就是为了寻找最佳拟合参数，使用的是最优化算法。基于sigmoid函数分类：logistic回归想要的函数能够接受所有的输入然后预测出类别。这个函数就是sigmoid函数，它也像一个阶跃函数。其公式如下：其中： z = w0x0+w1x1+….+wnxn,w

2014-08-10 11:12:59 25541 38

原创机器学习实战笔记4(朴素贝叶斯)

前面介绍的kNN和决策树都给出了“该数据实例属于哪一类”这类问题的明确答案，而有时候的分类并不能给出明确的答案，本节讲解使用概率论进行分类的方法。1：简单概念描述概念比较简单，这里我摘抄自百度百科，很容易理解。朴素贝叶斯模型(NaiveBayesian classification))：----Vmap=arg max P( Vj | a1,a2...an)Vj属于V集合

2014-08-08 21:20:37 9661 14