- 博客(14)
- 资源 (1)
- 收藏
- 关注
原创 删除s1中含s2字符
#include <iostream>using namespace std;bool shanchu(char s1[], char s2[]){ int i = 0,k = 0; if (s1 != NULL && s2 != NULL) { while (s1[i] != '\0') { int j = 0; while (s2[j] != '\0'&...
2018-04-12 20:21:42 396
原创 初始数据结构+算法复杂度
一、绪论1、什么是数据结构? 程序设计=数据结构+算法 简单来说数据结构就是关系,数据结构分为逻辑结构和物理结构; 逻辑结构:指数据对象中数据元素之间的相互关系; 物理结构:数据的逻辑结构在计算机中的存储方式。 2、数据结构分类四大逻辑结构: 1、集合结构:数据元素除了同属于一个集合外,两两之间没有任何关系,不存在谁优先谁; 2、线性结构:元素之间一对一的线性关系
2017-09-29 23:14:33 411
原创 7-3 7-4 正则化在线性回归和非线性回归
7-3、正则化在线性回归1、正则后的线性回归问题设定2、正则化后损失函数的优化问题:——梯度下降法、正规方程求解法梯度下降法中:分析和直观理解:操作同传统梯度下降法一致,只是相当于对原来的参数theta进行一个变小压缩,如图。正规方程法:形式如图,多了一个近似单位阵的矩阵去求解theta同时对于可能
2017-09-12 21:52:41 700
原创 7-1 过拟合问题
1、什么是过拟合?Example:Linear regressionExample:Logistic regression分析:过拟合时——高方差2、Addressing overfitting变量很多,目标函数多元多次,且没有重组的训练样本,很容易出现过拟合问题。分析:实际
2017-09-10 15:58:03 324
原创 6章 分类问题、逻辑回归算法
6-1、classification什么是分类问题:positive/negative二分类问题、多分类问题Threshold classifier线性回归对于分类问题的实用性逻辑回归对于分类问题的实用性——典型的分类算法6-2、逻辑回归算法的目标函数函数h的含义和目的:给定输入样本,去估计y=1的概率;
2017-09-10 15:37:26 512
原创 5-1章 Octave介绍
5-1、About Octave Operation(略)5-2、Octave(略)5-3、Octave ——Computation on data5-4、Octave——Plotting5-5、Octave——using control function——循环等Octave总结:类似matlab,简单易上手~5-6、Vectorization——向量化—
2017-09-08 22:43:32 321
原创 4-6 4-7 Normal Equaltion for Linear regression
标准方程法(区别对立与梯度下降法)不是迭代下降寻找最优解,而是通过计算求解(利用微积分)步骤:①对每一变量对应系数求偏导数;②令偏导数为零;求解此时系数。可直接利用程序实现:图示关系
2017-09-08 10:41:05 373
原创 4-4 特征选择和模型建立
变量(特征)选择给定直观的影响变量后,可对变量根据某种关系进行组合变换,得出满足自己某种需求的新变量;如:房价,房长*宽=面积多项式回归多元线性回归用多元线性回归去拟合数据,合理增加特征变量,使得拟合不下降(二次模型变为三次模型);此时变量特征的scale很重要,尽可能保持一致;真正应该怎么选择变量特征,即函数怎么设计拟合最好?
2017-09-08 10:39:32 880
原创 4-2 4-3 4-4 Gradient Descent for Multiple Variables
多变量线性回归问题——梯度下降算法流程同第二章里单变量所讲一致;区别在于变量对应的系数增多,偏导数增多;梯度下降算法Tricks①Feature Scaling:多个变量(也可称为特征)的数量级能接近 similar scale 例如【0,1】【-1,1】区间Mean Normalization:xi由xi-ui替代② Learn
2017-09-07 22:52:22 360
原创 2-1 2-2 2-3 2-4 2-5 2-6 2-7: Model regression and Cost function
例:housing Price监督学习:给出正确的答案回归问题:预测出正确的结果训练回归模型:training set——算法——hypothesis
2017-09-06 20:34:56 412
原创 1-3,1-4:machine Learning and supervised Learning
监督学习:给定数据集样本,能给出准确的结果。 可以理解为待预测的可以被模型明确地训练出来(有充分训练样本)分类问题:离散的结果,breast cancer回归问题:数据多,可当实数 house price predict无监督学习:所有数据一样,没有属性或者标签,只有数据,但数据怎么样,什么意思不知道,怎么找到其中的关系?算法自
2017-09-06 20:27:47 273
mysql基本操作和练习手册.pdf
2019-10-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人