- 博客(58)
- 资源 (5)
- 收藏
- 关注
原创 C++语法基础备份
C++语法基础备份目录C++语法基础备份1. 变量(1)变量定义(2)变量初始化(3)变量的实现2. 常量(1)整数字面量a. 十进制b. 八进制c. 十六进制(2)浮点字面量a. 小数形式:由数字和小数点组成b. 指数形式(3)字符字面量(4)符号常量A. 初始化B. 修饰谁的问题a. 重要!!! const对指针的修饰4. 数据类型(1)基本类型A. 整数类型a. 数值整数b. 字符类型B. 浮点类型a. cout的输出问题(2)复合类型A. 数组的初始化B. 常用的字符串函数1. 变量(1
2022-04-15 22:35:43
1006
原创 深度学习5 RNN
深度学习4 RNN目录深度学习4 RNN1. RNN(1)用途(2)结构2. 长短时记忆网络3. GRU1. RNN(1)用途 现实生活中的数据存在序列化结构,我们需要建立一种更优秀的序列数据模型。例如:文本:字母和词汇的序列,语音:音节的序列,视频:图像帧的序列,时态数据:气象观测数据,股票交易数据、房价数据等。(2)结构 循环神经网络是一种人工神经网络,它的节点间的连接形成一个遵循时间序列的有向图,它的核心思想是,样本间存在顺序关系,每个样本和它之前的样本存在关联。通过神经网络在时序
2021-12-01 22:17:43
774
原创 深度学习4 CNN
深度学习4 CNN目录深度学习4 CNN1. 卷积2. CNN1. 卷积卷积:(f*g)(n)成为 fff 和 ggg 的卷积,连续卷积和离散卷积可以表达为如下形式: (f∗g)(n)=∫−∞∞f(τ)g(n−τ)dτ n=τ+(n−τ) (f∗g)(n)=∑τ=−∞∞f(τ)g(n−τ) (f * g)(n)=\int_{-\infty}^{\infty} f(\tau) g(n-\tau) d \tau \ n = \tau + (n - \tau) \ (f * g)(
2021-11-28 00:08:01
649
原创 深度学习3 前馈神经网络
深度学习3 前馈神经网络目录深度学习3 前馈神经网络1. 神经元模型(M-P)(1)公式(2)运算(3)结构2. 感知机模型(1)单层感知机(2)多层感知器(3)BP算法1. 神经元模型(M-P)(1)公式 在M-P模型中,神经元接受其他n个神经元的输入信号(0或1),这些输入信号经过权重加权并求和,将求和结果与阈值(threshold) θ 比较,然后经过激活函数处理,得到神经元的输出。 y=f(∑i=1nωijxi−θ) y=f\left(\sum_{i=1}^{n} \omega_{i
2021-11-23 23:31:13
2617
原创 机器学习2 机器学习误差分析与代表性算法
机器学习2 机器学习误差分析与代表性算法目录机器学习2 机器学习误差分析与代表性算法1. 误差分析(1)误差公式(2)欠拟合与过拟合2. 代表性的算法(1)有监督a. 逻辑回归b. 随机森林c. SVM2. 无监督聚类1. 误差分析(1)误差公式 数据集上需要预测的样本为Y,特征为X,潜在模型为 Y=f(X)+εY=f(X)+εY=f(X)+ε,其中ε∼N(0,σε)ε \sim N(0,σ_ε)ε∼N(0,σε)是噪声, 估计的模型为f^(X)\hat{f}(X)f^(X). Err(
2021-11-20 22:20:24
1383
原创 机器学习数学基础
机器学习1 机器学习数学基础目录机器学习1 机器学习数学基础1. 概率统计(1)常见的概率分布a. 伯努利分布:0-1分布b. 二项分布:n次伯努利分布,各次实验之间独立c. 均匀分布d. 高斯分布(正态)e. 指数分布(2)多变量概率分布(3)全概率公式与贝叶斯公式(4)方差与协方差2. 矩阵(1)矩阵基础a. 矩阵b. 张量c. 矩阵的秩(Rank)d. 矩阵的逆e. 矩阵的广义逆矩阵f. 矩阵的特征值、特征向量、迹、行列式(2)矩阵分解a. 矩阵特征值分解b. 矩阵奇异值分解3. 信息论(1)基础
2021-11-17 22:48:42
1197
原创 集成学习Day11 Boosting (3) XGBoost算法及实现
集成学习Day11 Boosting (3) XGBoost算法目录集成学习Day11 Boosting (3) XGBoost算法1. XGBoost算法(3)sklearn代码1. XGBoost算法XGBoost是陈天奇等人开发的一个开源机器学习项目,高效地实现了GBDT算法并进行了算法和工程上的许多改进,被广泛应用在Kaggle竞赛及其他许多机器学习竞赛中并取得了不错的成绩。XGBoost本质上还是一个GBDT,但是力争把速度和效率发挥到极致,所以叫X (Extreme) GBoosted
2021-04-27 00:07:00
242
原创 集成学习Day10 Boosting (2) 前向分步算法与梯度提升决策树(GBDT)
集成学习Day9 Boosting (1)目录集成学习Day9 Boosting (1)1. Boosting(1)强可学习与弱可学习(2)Boosting原理2 Adaboost(1)Adaboost原理(2)sklearn代码1. Boosting(1)强可学习与弱可学习 Valiant和Kearns提出了“强可学习”与“弱可学习”概念。在概率近似正确PAC框架下,强可学习:识别准确率很高并且能在多项式时间内完成的学习算法;弱可学习:识别错误率小于1/2(即准确率仅比随机猜测高的学习
2021-04-23 23:04:01
238
2
原创 集成学习Day9 Boosting (1)
集成学习Day9 Boosting (1)目录集成学习Day9 Boosting (1)1. Boosting(1)Bagging原理(2)sklearn代码1. Boosting(1)Bagging原理 与投票法不同的是,Bagging不仅仅集成模型最后的预测结果,同时采用一定策略来影响基模型训练,保证基模型可以服从一定的假设。在投票法中,我们希望各个模型之间具有较大的差异性,而在实际操作中的模型却往往是同质的,因此一个简单的思路是通过不同的采样增加模型的差异性。 Bagging的核心在
2021-04-19 21:58:52
237
原创 集成学习Day8 Bagging
集成学习Day8 Bagging目录集成学习Day8 Bagging1. Bagging(1)Bagging原理(2)sklearn代码1. Bagging(1)Bagging原理 与投票法不同的是,Bagging不仅仅集成模型最后的预测结果,同时采用一定策略来影响基模型训练,保证基模型可以服从一定的假设。在投票法中,我们希望各个模型之间具有较大的差异性,而在实际操作中的模型却往往是同质的,因此一个简单的思路是通过不同的采样增加模型的差异性。 Bagging的核心在于自助采样(bootst
2021-04-17 19:17:21
118
2
原创 集成学习Day7 投票法
集成学习Day7 投票法目录集成学习Day7 投票法1. 投票法(1)投票法原理(2)sklearn代码(pipe管道+voting)1. 投票法(1)投票法原理 集成学习(ensemble learning)是通过构建并结合多个学习器来完成学习任务。而投票法是集成学习的常用技巧,它是一种遵循少数服从多数原则的集成学习模型,使用投票法可以有效提升模型的泛化能力,减少模型的错误率。在理想情况下,投票法的预测结果应当优于任何一个基模型的预测结果。投票法同时适用于回归模型和分类模型。 对于回
2021-04-14 23:02:55
409
原创 集成学习Day6 sklearn分类模型的评估、优化与基于SVM的人脸分类实例
集成学习Day6 sklearn分类模型的评估、优化与人脸分类实例目录集成学习Day6 sklearn分类模型的评估、优化与人脸分类实例1. 模型评估与优化(1)超参数选择A 使用网格搜索选择超参数B 使用随机搜索选择超参数(2)模型评估(以乳腺癌数据集二分类为例)A 混淆矩阵B ROC曲线2. 基于SVM的人脸分类(1)数据集(2)数据处理——PCA降维、数据集划分(3)网格搜索寻找最优超参数(4)训练、预测(5)结果评估1. 模型评估与优化(1)超参数选择A 使用网格搜索选择超参数from
2021-03-29 23:09:01
467
2
原创 集成学习Day5 sklearn分类实例
集成学习Day5 sklearn分类实例目录集成学习Day5 sklearn分类实例1. 收集数据集并选择合适的特征1. 收集数据集并选择合适的特征 (1)数据集选择IRIS鸢尾花数据集,使用sklearn读取;from sklearn import datasetsimport pandas as pd iris = datasets.load_iris()X = iris.data y = iris.target feature = iris.feature_names
2021-03-27 23:10:33
229
原创 集成学习Day2 sklearn回归实例 && Day 3 偏差方差理论与测试误差估计 && Day 4模型超参数调优
集成学习Day2 sklearn回归实例目录集成学习Day2 sklearn回归实例1. 使用sklearn构建完整机器学习项目的流程2. 使用sklearn进行Boston房价回归预测(1)这是一个回归问题(2)Boston数据集读取与特征分析(3)选择模型度量标准(3)回归模型选择1. 使用sklearn构建完整机器学习项目的流程 (1)明确项目任务:回归/分类; (2)收集数据集,选择合适的特征; (3)选择度量模型性能的指标; (4)选择具体的模型并进行训练以优化模型
2021-03-18 17:42:48
371
原创 集成学习Day1 机器学习简述与sklearn
集成学习Day1 机器学习简述与sklearn目录集成学习Day1 机器学习简述与sklearn1. 机器学习简述(1) 监督学习(2) 无监督学习(3) 强化学习2. sklearn代码(1) 回归例子:可视化波士顿房价和一氧化碳浓度的关系(2) 分类例子:可视化鸢尾花数据集(3) 无监督例子:月牙型非凸集和符合正态分布的聚类数据1. 机器学习简述 机器学习的一个主要任务是用数学模型理解数据,发现数据中的规律并用来做分析和预测。通常会将机器学习方法分为监督学习,无监督学习和强化学习。(1)
2021-03-15 22:39:13
317
原创 腾讯精选50题—Day17题目 344,557
腾讯精选50题—Day17题目 344,557 第十七天,今天是组队打卡的最后一天,新的起点,起航~ 芜湖~目录腾讯精选50题—Day17题目 344,5571. 题目344 反转字符串(1) 题目描述(2) 思路(3) 题解2. 题目557 反转字符串中的单词 III(1) 题目描述(2) 思路(3) 题解1. 题目344 反转字符串(1) 题目描述(2) 思路 折半替换即可。(3) 题解class Solution {public: void reverseStri
2021-01-29 19:25:03
137
原创 腾讯精选50题—Day16题目 237,238,292
腾讯精选50题—Day16题目 227 第十六天~目录腾讯精选50题—Day16题目 2271. 题目237 删除链表中的节点(1) 题目描述(2) 思路(3) 题解2. 题目(1) 题目描述(2) 思路(3) 题解3. 题目(1) 题目描述(2) 思路(3) 题解参考1. 题目237 删除链表中的节点(1) 题目描述(2) 思路 因为没有告诉链表头,所以直接复制+删除即可。(3) 题解class Solution {public: void deleteNo
2021-01-28 23:26:29
158
原创 腾讯精选50题—Day15题目 231,235,236
腾讯精选50题—Day15题目 231,235,236 第十五天~目录腾讯精选50题—Day15题目 231,235,2361. 题目231 2的幂(1) 题目描述(2) 思路(3) 题解2. 题目 235 二叉搜索树的最近公共祖先(1) 题目描述(2) 思路(3) 题解3. 题目236 二叉树的最近公共祖先(1) 题目描述(2) 思路(3) 题解参考1. 题目231 2的幂(1) 题目描述(2) 思路 笨方法,循环。(3) 题解class Solution {public:
2021-01-28 00:15:28
183
原创 腾讯精选50题—Day14题目 215,217,230
腾讯精选50题—Day14题目 215,217,230 第十四天~目录腾讯精选50题—Day14题目 215,217,2301. 题目 215 寻找第K大的数 经典面试题(1) 题目描述(2) 思路(3) 题解2. 题目 217 存在重复元素(1) 题目描述(2) 思路(3) 题解3. 题目(1) 题目描述(2) 思路(3) 题解参考1. 题目 215 寻找第K大的数 经典面试题(1) 题目描述(2) 思路 利用快排中的partition+双指针。(3) 题解class So
2021-01-26 23:21:31
164
原创 腾讯精选50题—Day13题目160,169,206
腾讯精选50题—Day13题目160,169,206 第十三天~目录腾讯精选50题—Day13题目160,169,2061. 题目160 相交链表(1) 题目描述(2) 思路(3) 题解2. 题目169 多数元素(1) 题目描述(2) 思路(3) 题解3. 题目206 反转链表(1) 题目描述(2) 思路(3) 题解1. 题目160 相交链表(1) 题目描述(2) 思路 公共部分长度为p,去除公共部分后链表A长度为m,链表B长度为n,那么让指针分别遍历一遍链表A和B,在遍历过程中
2021-01-26 00:08:09
181
原创 腾讯精选50题—Day12题目146,148,155
腾讯精选50题—Day11题目146,148,155 第十二天~目录腾讯精选50题—Day11题目146,148,1551. 题目146(1) 题目描述(2) 思路(3) 题解2. 题目148(1) 题目描述(2) 思路(3) 题解3. 题目155 最小栈(1) 题目描述(2) 思路(3) 题解参考1. 题目146(1) 题目描述(2) 思路 。(3) 题解结果:时间复杂度:O()O()O()空间复杂度:O()O()O()2. 题目148(1) 题目描述(2) 思路
2021-01-23 23:12:22
198
原创 腾讯精选50题—Day11题目136,141,142
腾讯精选50题—Day11题目136 第十一天~目录腾讯精选50题—Day11题目1361. 题目136 只出现一次的数字(1) 题目描述(2) 思路(3) 题解2. 题目(1) 题目描述(2) 思路(3) 题解3. 题目124 二叉树中的最大路径和(1) 题目描述(2) 思路(3) 题解参考1. 题目136 只出现一次的数字(1) 题目描述(2) 思路 给定的序列中只有(3) 题解class Solution {public: int singleNumber(vect
2021-01-22 23:58:45
505
原创 腾讯精选50题—Day10题目121,122,124
腾讯精选50题—Day10题目121,122,124 第十天~目录腾讯精选50题—Day10题目121,122,1241. 题目121 买卖股票的最佳时机(1) 题目描述(2) 思路(3) 题解2. 题目122 买卖股票的最佳时机II(1) 题目描述(2) 思路(3) 题解3. 题目124 二叉树中的最大路径和(1) 题目描述(2) 思路(3) 题解参考1. 题目121 买卖股票的最佳时机(1) 题目描述(2) 思路 只一次买进卖出的话,那么只需要遍历一边,记录最低和股票价格并计算最大
2021-01-21 23:08:31
165
原创 腾讯精选50题—Day9题目88,89,104
腾讯精选50题—Day9题目88,89,104 刷题的第九天~~~一定可以的!目录腾讯精选50题—Day9题目88,89,1041. 题目88 合并两个有序数组(1) 题目描述(2) 思路(3) 题解2. 题目89 格雷编码(1) 题目描述(2) 思路(3) 题解3. 题目104 二叉树深度(1) 题目描述(2) 思路(3) 题解1. 题目88 合并两个有序数组(1) 题目描述(2) 思路 因为vector1长度完全可以放得下,那么直接从vector1的m-1位置和vector2的n-
2021-01-20 21:34:17
122
原创 腾讯精选50题—Day8题目62,70,78
腾讯精选50题—Day8题目62,70,78 今天是刷题的第八天,冲鸭~~目录腾讯精选50题—Day8题目62,70,781. 题目62 不同路径(1) 题目描述(2) 思路(3) 题解2. 题目70 爬楼梯(1) 题目描述(2) 思路(3) 题解3. 题目78 子集(1) 题目描述(2) 思路(3) 题解1. 题目62 不同路径(1) 题目描述(2) 思路 解法1:动态规划; 解法2:组合公式,机器人从起始点到达终止点一共有两种操作——向下和向右,迷宫为m*n,那么向下的操作一
2021-01-19 23:13:30
253
2
原创 腾讯精选50题—Day7题目54,59,61
腾讯精选50题—Day7题目54,59,61 今天是刷题的第七天,元气满满的周一~~目录腾讯精选50题—Day7题目54,59,611. 题目54 螺旋矩阵(1) 题目描述(2) 思路(3) 题解2. 题目59 螺旋矩阵II(1) 题目描述(2) 思路(3) 题解3. 题目53 最大子序列和(1) 题目描述(2) 思路(3) 题解参考1. 题目54 螺旋矩阵(1) 题目描述(2) 思路 螺旋矩阵的问题比较简单,只要定好四个位置即可,lx、rx、by、ty,按照绿色箭头顺序遍历,在遍历
2021-01-18 23:22:54
146
2
原创 腾讯精选50题—Day6题目43,46,53
腾讯精选50题—Day6题目43,46,53今天是刷题的第六天...周天阳光明媚,刷题快乐~~1. 题目43 字符串相乘(1) 题目描述(2) 思路这个进位用p1表示(因为是倒着的,p1和p2让我想了很久.....),还需要再理解...(3) 题解class Solution {public: string multiply(string num1, string num2) { int m = num1.size(); int n = num2.size(); st
2021-01-17 20:04:15
128
原创 腾讯精选50题—Day5题目23,26,33
腾讯精选50题—Day5题目23,26,33送你一朵小红花~希望自己乐观而坚强,自信而勇敢~目录腾讯精选50题—Day5题目23,26,331. 题目23 合并k个有序链表(1)题目描述 困难(2)思路(3)题解2. 题目26 空间复杂度删除有序数组的重复元素(1)题目描述(2)思路(3)题解3. 题目33 旋转有序数组的查找(1)题目描述(2)思路(3)题解1. 题目23 合并k个有序链表(1)题目描述 困难(2)思路根.
2021-01-16 22:32:15
145
原创 腾讯精选50题—Day4题目16,20,21
腾讯精选50题—Day4题目16,20,21打卡的第四天,冲鸭~~~目录腾讯精选50题—Day4题目16,20,211. 题目16(1)题目描述(2)思路(3)题解2. 题目20 括号匹配问题(1)题目描述(2)思路(3)题解3. 题目21 合并两个有序链表(1)题目描述(2)思路(3)题解1. 题目16(1)题目描述(2)思路双指针法~(3)题解有个陷阱!result的初始化为INT_MAX会报错......这个时..
2021-01-14 17:43:17
127
2
原创 腾讯精选50题—Day3题目11,14,15
腾讯精选50题—Day3题目11,14,15打卡的第三天,忙碌而充实,用一句话来鼓励自己~The measure of success is how we cope with disappointment.1. 题目11 盛水最多的容器(1)题目描述Given n non-negative integers a1, a2, ..., an, where each represents a point at coordinate (i, ai). n vertical lines are d.
2021-01-13 23:31:09
201
原创 腾讯精选50题—Day2题目7,8,9
腾讯精选50题—Day2题目7,8,9今天是打卡的第二天,元气满满的冲鸭~~~1. 题目7 整数反转(1)题目描述(2)题目思路(3)题解
2021-01-12 22:53:52
156
原创 腾讯精选50题—Day1题目2,4,5
腾讯精选50题—Day1题目2,4,5今天是刷腾讯精选50题的第一天,加油加油加油~~~1. 问题2(1)题目描述:You are given two non-empty linked lists representing two non-negative integers. The digits are stored in reverse order, and each of their nodes contains a single digit. Add the two numbe.
2021-01-11 11:26:40
274
3
原创 LaTeX论文写作
以下内容是我在用TeXstudio写英文论文时候遇到的各种问题及解决方案,记录一下~1. LaTeX表格里的内容不能加粗,\bfseries,\textbf,\bf,\bm,\mathbf都没有用一开始我以为是表格里的内容比较特殊,换个各种方法都不能加粗,后来发现是表格外的字体也不可以加粗,找了很多解决方案都没有用,\bfseries,\textbf,\bf,\bm,\mathbf都不可以加粗,很多解决方案指出来要修改论文模板的格式文件...都没有用。后来找到了博客[1],通过修改LaTeX的编译方
2021-01-08 15:01:46
745
原创 MathType+Word报错:The MathType DLL cannot be found问题快速解决
在安装好MathType6.8后,打开Word2019发现了离奇的错误...The MathType DLL cannot be found,而且弹出了很多次,在网上找了很多教程都无法解决这个问题...然后我把MathType装在它自己默认的C盘路径下,结果问题解决了!!!???...
2020-12-13 13:19:28
1011
4
原创 PaddlePaddle安装与线性回归、房价预测
这几天参加了百度图像分割七天打卡活动,快学起来呀~啦啦啦啦啦啦1. PaddlePaddle安装在官网https://www.paddlepaddle.org.cn/install/quick中,选择操作系统、安装方式、Python版本以及CUDA版本即可生成安装命令,安装即可。我的电脑是Win10,Python3.6.11,无CUDA,所以选择以下代码进行安装:python -m pip install paddlepaddle -i https://mirror.baidu.com/p
2020-10-20 10:06:29
380
原创 GAN注意力机制研究——SPA-GAN: Spatial Attention GAN for Image-to-Image Translation 论文阅读笔记
GAN注意力机制研究——SPA-GAN: Spatial Attention GAN for Image-to-Image Translation论文阅读笔记目录GAN注意力机制研究——SPA-GAN: Spatial Attention GAN for Image-to-Image Translation论文阅读笔记一、前人工作二、SPA-GAN1. 论文SPA-GAN发表于2020年TOM(IEEE Transactions on Multimedia)2. 主要内容...
2020-10-18 22:09:13
5721
6
原创 VSCode 右上角Run Code小三角图标消失问题
今天打开VSCode的我一脸懵逼,右上角的Run Code的小三角图标没了,我以为是软件加载的问题,重启了几遍...发现还是没了,但是鼠标放上去还是有提示运行代码.......这是没有安装Code Runner,解决方案如下:1. 首先安装Code Runner,选择右侧扩展,然后搜索Code Runner,安装如图所示插件;2. 其次需要配置Code Runner插件的信息(两部分,一个是默认会到输出窗口,另外一个是路径的问题),选择文件->首选项->设置,打开设置面板,然后点击右
2020-05-16 22:14:18
46810
8
原创 手推机器学习系列笔记——手推SVM(2) 对偶问题探讨、Slater条件、核技巧、SMO算法推导+简单实现代码、数据集
一、两个问题在我的上一篇博客手推SVM(1)中有两个问题值得探讨:(传送门:https://blog.csdn.net/Fox_Alex/article/details/105113554)为什么转对偶?是否所有的都可以转对偶?何时转对偶? Slater条件通过查阅大量文献、博客、视频教程,但由于现在知识量不充足,就目前我对这两个问题的认识如下,希望能和大家一起探讨探讨:解答:...
2020-04-03 01:09:48
1055
原创 手推机器学习系列笔记——手推SVM(1)硬间隔、软间隔、约束优化问题、对偶性证明、KKT条件
笔记是听了b站大神的白板推导机器学习系列课,再结合李航老师的《统计学习方法》、周志华老师的西瓜书以及其他优秀博主的博客而成(浑然天成!!!):https://space.bilibili.com/97068901?from=search&seid=9183191776664110144(大神的白板推导机器学习系列课传送门)对于大神的课,我只能说太强了,讲的特别特别好!下面让我们开始...
2020-03-26 11:30:00
1191
2
SVM总结_Lucas.pdf
2020-07-14
SVM的SMO算法简单实现
2020-04-03
西北农林科技大学软件测试试题(答案及考试难点)
2018-10-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人