- 博客(30)
- 收藏
- 关注
RSS订阅转载 06-2-支持向量机
第6章 支持向量机支持向量机 概述支持向量机(Support Vector Machines, SVM)：是一种监督学习算法。支持向量(Support Vector)就是离分隔超平面最近的那些点。机(Machine)就是表示一种算法，而不是表示机器。支持向量机 场景要给左右两边的点进行分类明显发现：选择D会比B、C分隔的效果要好很多。支持向量机 原理SVM 工作原理对于上述的苹果和香蕉，...
2019-02-18 08:00:00
116
转载 06-1-SVM原理
SVM声明阅读本文前，需要您懂一些高等数学、概率论、线性代数的相关知识，以便更好理解。网上资料参考链接:https://www.zhihu.com/question/21094489 http://docs.opencv.org/2.4/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.ht...
2019-02-14 17:18:00
253
转载 05-Logistic 回归
Logistic 回归 概述Logistic 回归 或者叫逻辑回归 虽然名字有回归，但是它是用来做分类的。其主要思想是: 根据现有数据对分类边界线(Decision Boundary)建立回归公式，以此进行分类。须知概念Sigmoid 函数回归 概念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（这条直线称为最佳拟合直线），这个拟合的过程就叫做回归。进...
2019-01-24 23:00:00
193
转载 04-朴素贝叶斯
朴素贝叶斯 概述贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本章首先介绍贝叶斯分类算法的基础——贝叶斯定理。最后，我们通过实例来讨论贝叶斯分类的中最简单的一种: 朴素贝叶斯分类。贝叶斯理论 & 条件概率贝叶斯理论我们现在有一个数据集，它由两类数据组成，数据分布如下图所示：我们现在用 p1(x,y) 表示数据点...
2019-01-19 13:54:00
185
转载 k均值聚类(K-means)
算法杂货铺——k均值聚类(K-means)4.1、摘要 在前面的文章中，介绍了三种常见的分类算法。分类作为一种监督学习方法，要求必须事先明确知道各个类别的信息，并且断言所有待分类项都有一个类别与之对应。但是很多时候上述条件得不到满足，尤其是在处理海量数据的时候，如果通过预处理使得数据满足分类算法的要求，则代价非常大，这时候可以考虑使用聚类算法。聚类属...
2019-01-17 15:33:00
226
转载 贝叶斯网络(Bayesian networks)
算法杂货铺——分类算法之贝叶斯网络(Bayesian networks)2.1、摘要 在上一篇文章中我们讨论了朴素贝叶斯分类。朴素贝叶斯分类有一个限制条件，就是特征属性必须有条件独立或基本独立（实际上在现实应用中几乎不可能做到完全独立）。当这个条件成立时，朴素贝叶斯分类法的准确率是最高的，但不幸的是，现实中各个特征属性间往往并不条件独立，而是具有较强...
2019-01-17 15:31:00
590
转载 朴素贝叶斯分类(Naive Bayesian classification)
算法杂货铺——分类算法之朴素贝叶斯分类(Naive Bayesian classification)0、写在前面的话 我个人一直很喜欢算法一类的东西，在我看来算法是人类智慧的精华，其中蕴含着无与伦比的美感。而每次将学过的算法应用到实际中，并解决了实际问题后，那种快感更是我在其它地方体会不到的。 一直想写关于算法的博文，也曾写过零散的两篇...
2019-01-17 15:29:00
178
转载 决策树(Decision tree)
算法杂货铺——分类算法之决策树(Decision tree)3.1、摘要 在前面两篇文章中，分别介绍和讨论了朴素贝叶斯分类与贝叶斯网络两种分类算法。这两种算法都以贝叶斯定理为基础，可以对分类及决策问题进行概率推断。在这一篇文章中，将讨论另一种被广泛使用的分类算法——决策树（decision tree）。相比贝叶斯算法，决策树的优势在于构造过程不需要任...
2019-01-17 15:15:00
224
转载 02-k-近邻
KNN 概述k-近邻（kNN, k-NearestNeighbor）算法是一种基本分类与回归方法，我们这里只讨论分类问题中的 k-近邻算法。一句话总结：近朱者赤近墨者黑！k 近邻算法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。k 近邻算法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其 k 个最近邻的训练实例的类别，通过...
2019-01-17 08:23:00
85
转载 01-机器学习基础
第1章 机器学习基础机器学习 概述机器学习(Machine Learning,ML)是使用计算机来彰显数据背后的真实含义，它为了把无序的数据转换成有用的信息。是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具...
2019-01-16 23:09:00
181
转载 03-决策树
决策树 概述决策树（Decision Tree）算法是一种基本的分类与回归方法，是最经常使用的数据挖掘算法之一。我们这章节只讨论用于分类的决策树。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是 if-then 规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。决策树学习通常包括 3 个步骤：特征选择、决策树的生成和决...
2019-01-16 23:02:00
101
转载 02-《Machine Learning》周志华--性能度量
本篇主要是对第二章剩余知识的理解，包括：性能度量、比较检验和偏差与方差。在上一篇中，我们解决了评估学习器泛化性能的方法，即用测试集的“测试误差”作为“泛化误差”的近似，当我们划分好训练/测试集后，那如何计算“测试误差”呢？这就是性能度量，例如：均方差，错误率等，即“测试误差”的一个评价标准。有了评估方法和性能度量，就可以计算出学习器的“测试误差”，但由于“测试误差”受到很多因素的影响，例...
2019-01-10 10:53:00
148
转载 01-《Machine Learning》周志华--绪论
机器学习是目前信息技术中最激动人心的方向之一，其应用已经深入到生活的各个层面且与普通人的日常生活密切相关。本文为清华大学最新出版的《机器学习》教材的Learning Notes，书作者是南京大学周志华教授，多个大陆首位彰显其学术奢华。本篇主要介绍了该教材前两个章节的知识点以及自己一点浅陋的理解。1 绪论傍晚小街路面上沁出微雨后的湿润，和熙的细风吹来，抬头看看天边的晚霞，嗯，明天又...
2019-01-10 10:51:00
98
转载 NumPy 矩阵库(Matrix)
NumPy 矩阵库(Matrix)NumPy 中包含了一个矩阵库 numpy.matlib，该模块中的函数返回的是一个矩阵，而不是 ndarray 对象。一个的矩阵是一个由行（row）列（column）元素排列成的矩形阵列。矩阵里的元素可以是数字、符号或数学式。以下是一个由 6 个数字元素构成的 2 行 3 列的矩阵：matlib.empty()matlib.empty() 函数返回一...
2019-01-04 17:46:00
181
转载 Numpy 统计函数
numpy.amin() 和 numpy.amax() numpy.amin() 用于计算数组中的元素沿指定轴的最小值。 numpy.amax() 用于计算数组中的元素沿指定轴的最大值。Notice：参数axis轴：对2维向量，行表示0轴，列表示1轴。numpy.ptp() numpy.ptp()函数计算数组中元素最大值与最小值的差（最大值...
2019-01-04 17:46:00
419
转载 Numpy 排序，条件筛选函数
NumPy 排序、条件刷选函数NumPy 提供了多种排序的方法。 这些排序函数实现不同的排序算法，每个排序算法的特征在于执行速度，最坏情况性能，所需的工作空间和算法的稳定性。 下表显示了三种排序算法的比较。种类速度最坏情况工作空间稳定性'quicksort'（快速排序）1O(n^2)0否'mergesor...
2019-01-04 17:46:00
1410
转载 Numpy 数组操作
Numpy 中包含了一些函数用于处理数组，大概可分为以下几类：修改数组形状翻转数组修改数组维度连接数组分割数组数组元素的添加与删除修改数组形状函数描述reshape不改变数据的条件下修改形状flat数组元素迭代器flatten返回一份数组拷贝，对拷贝所做的修改不会影响原始数组ravel返回展开数组'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'k' -- 元素在内存中的出...
2019-01-04 17:45:00
74
转载 Python IDE
Python IDE本文为大家推荐几款款不错的Python IDE（集成开发环境），比较推荐 PyCharm，当然你可以根据自己的喜好来选择适合自己的 Python IDE。PyCharmPyCharm 是由 JetBrains 打造的一款 Python IDE。PyCharm 具备一般Python IDE的功能，比如：调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测...
2019-01-04 11:29:00
76
转载 01-线性回归算法
机器学习分类：回归，分类 回归：最终得到的是在一个区间上真正(实际)的值 分类：最终得到的是个逻辑值0/1，是与不是，能与不能之类的答案名词解释： 拟合：拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。因为这条曲线有无数种可能，从而有各种拟合方法。拟合的曲线一般可以用函数表示，根据这个函数的不同有不同的拟合名字。 ...
2019-01-03 23:36:00
101
转载 NumPy 字符串函数
这些函数在字符数组类（numpy.char）中定义。函数描述add()对两个数组的逐个字符串元素进行连接multiply()返回按元素多重连接后的字符串center()居中字符串capitalize()将字符串第一个字母转换为大写title()将字符串的每个单词的第一个字母转换为大写...
2019-01-03 09:21:00
334
转载 Numpy函数分类
Numpy 中包含了一些函数用于处理数组，大概可分为以下几类：1.修改数组形状函数描述reshape不改变数据的条件下修改形状flat数组元素迭代器flatten返回一份数组拷贝，对拷贝所做的修改不会影响原始数组ravel返回展开数组 参数：'C' -- 按行，'F'...
2019-01-02 14:47:00
321
原创 深浅复制
浅层复制: 只复制指向对象的指针, 而不复制引用对象本身, 即只复制地址深层复制: 复制引用对象本身, 再创建一个对象, 即复制前后都指向同一个内存资源retain：始终是浅复制。引用计数每次加一。返回对象是否可变与被复制的对象保持一致。copy：对于可变对象为深复制，引用计数不改变;对于不可变对象是浅复制, 引用计数每次加一。始终返回一个不可变对象。
2015-03-02 07:22:02
310
原创 SEL id @, 三者的意思
SEL 是"selector"的一个类型, 表示一个方法的名字, 也就是一个方法的入口地址.id 是一个指向任何一个继承了Object或者NSObject类的对象. 要注意id是一个指针, 所以在使用id的时候不需要添加*.@ OC中的指令符
2015-03-02 00:04:16
498
原创 NotificationCenter KVC KVO Delegate 区别
Notification 是观察者模式的实现, KVO是观察者模式的OB-C底层实现.Notification 通过Notifydcation addobserver 和 remove observer 工作. KVO是键值监听, 键值观察机制, 提供了观察某一属性变化的方法. KVC是键值编码, 是一种间接访问对象的属性, 使用字符串来标示属性.Delegate 是吧某个对象要做
2015-03-01 23:36:17
438
原创 UIView UIWindow CALayer的理解
UIView属于UIKit.framework框架, 负责渲染矩形区域的内容, 为矩形区域添加动画, 相应区域的触摸事件, 布局和管理一个或多个子视图UIWindow属于UIKit.framework框架, 是一种特殊的UIView, 通常在一个程序中主要起到三个作用: 1. 作为容器, 包含app所要显示的所有视图 2. 传递触摸消息到程序中view和其他对象 3.
2015-03-01 23:23:39
342
原创 MVC的理解
MVC设计模式考虑三种对象: 模型对象, 视图对象, 控制对象. 模型对象代表特别的知识和专业技能, 它们负责保有应用程序的数据和定义操作数据的逻辑. 视图对象知道如何显示应用程序的模型数据, 而且可能允许用户对其进行编辑. 控制器对象是应用程序的视图对象和模型对象之间的协调者.
2015-03-01 23:15:17
299
原创 基础篇---内存管理
内存问题主要是两方面: 内存溢出, 野指针异常.内存溢出: ios给每个应用程序一定的内存用于程序运行, 一旦超出内存上线, 程序就会crash野指针: 内存空间已经被系统收回仍旧在只用这块内存, 程序就会crash内存管理方式: MRC, ARCMRC的内存管理机制是引用计数ARC是基于MRC的引用计数+1: alloc, retain, copy引用计数-1: re
2014-12-23 21:11:43
249
原创 基础篇---本地存储
沙盒由四种文件构成:1. Bundle: 里面存储代码, 资源文件, 配置文件 特性: (1) 其内容在程序运行期间为只读 (2) 在开发期间可以修改2. Document :特性: (1) 大小的限制 (2) 数据库 (3) 从应用程序安装到结束存储在此3. Library: Caches(缓存), Preference(配置)Cache
2014-12-23 20:15:58
306
原创 基础篇---多线程
区分线程, 进程!进程: 一个正在运行的程序 线程: 程序中独立运行的代码段一个进程是由一个或多个线程组成的, 线程负责执行代码, 进程负责调度分配.线程分为单线程, 多线程.在以下三种情况下使用多线程:1. 进行大量的运算的时候2. 数据读取 (本地读取/数据库查询所有数据的时候)3. 网络请求 (同步网络请求)线程与线程之间是独立运行, 互不干扰的多线程
2014-12-23 20:05:58
249
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