木子李均-CSDN博客

原创 Gradient Descent梯度下降算法优化

梯度下降公式：优化起因：对于每个特征量Xi，当特征量之间范围差距过大时（如0优化1：特征缩放Feature scaling 将每个特征量范围尽量缩为：【-1，1】公式：xi = (xi-ui)/si 其中ui为训练数据中xi的平均值，si为xi范围。优化起因：下降幅度a的设置问题。a过大会造成无法下降到局部最优。a过小会造成循环次数过多。优化2：正确设置a。另

2017-11-14 19:09:22 391

import os import time import ntplib c = ntplib.NTPClient() response = c.request('pool.ntp.org') ts = response.tx_time _date = time.strftime('%Y-%m-%d',time.localtime(ts)) _time = time.strftime('%X',ti...

2018-03-26 20:47:37 3800

原创 GVIM配置,PYTHON IDE

GVIM 插件：Pydiction : Tab-complete your Python code 1.下载2.Put python_pydiction.vim in C:\vim\vimfiles\ftplugin\ 3._VIMRC配置： filetype plugin on let g:pydiction_location = '/path/to/compl

2017-12-29 20:41:26 336

原创 Neural Networks神经网络个人小结与MATLAB实现

Neural Networks，神经网络，我的理解是：与阶梯下降算法中的分类算法类似，分类算法是从输入到输出只经过一层的模型，模型的选择很大程度决定了算法的效果，而神经网络，通过对第一层参数进行多次传递，也许参数会形成类如平方，次方的效果，让神经网络来选择参数的模型。定义：a(1)代表第一层输入，a(2),a(3)类似。图例中a(4)即为Y.s(1)代表第一层的神经元个数（不包

2017-11-24 15:55:03 1801

原创机器学习阶梯下降多类问题解析及编码

计算一类问题时： THETA是一个 M*1的列向量。（其中M为参数p个数）计算多类问题时：ALL_THETA是一个M*K的矩阵（K为种类个数）算第一类问题是THETA是ALL_THETE的第一列，即ALL_THETE(1,:),第二列为第二类，如此类推。看那一列得到的结果最大，即预测为该类。

2017-11-20 16:55:09 357

原创机器学习之梯度下降算法Gradient Descent

梯度下降算法:通过不断减低代价函数而得到准确的参数。例如:算法运行过程:给定初始参数p0,p1，通过算法一步一步调整P0,P1,使得J变小。θj:=θj−α∂∂θjJ(θ0,θ1)；其中 α 为每步调整的幅度。MATLAB编码过程：1.录入数据：data = load('data.txt');X = data(:, 1); y = dat

2017-11-06 13:06:53 2329

原创机器学习之建模与代价函数

建模：对要解决的问题进行建模，得到结果与变量的关系式。如y = p0 + p1 *x1+p2*x2(线性模型，p为参数，x为变量）代价函数（cost function):要得到精确的关系式，就得有个判断标准，什么样的关系式才是精确的。引入代价函数，进行判断。（其中为当前参数得到的y）我们算法要做的正是不断降低代价函数，使代价函数不断减少。要用到的算法正是Gradient Des

2017-11-06 13:03:52 343

原创 machine-lenrning 机器学习概述

监督学习（输入有X,y，即学习的数据带有结果):1.classfiication problems 分类问题.2.regression problems 回归问题.无监督学习(输入数据只有X)：聚类问题，又算法将其分类。

2017-11-06 12:28:10 272

原创 javascript+canvas 实现HTML时钟

//JJ_1995的博客 function draw() { var canvas = document.getElementById("ljj"); var ctx = canvas.getContext("2d");var i ="1";ctx.font = "60px Courier New";for(;ictx.tra

2017-10-23 14:41:15 580

JJ_1995的博客