- 博客(13)
- 收藏
- 关注
RSS订阅原创 C++刷题模板之二叉树遍历篇
C++刷题笔记1、二叉树 Binary Tree- Linked List 是特殊化的Tree- Tree是特殊化的Graph二叉树的遍历一般Pre-order， In-order， Post-order前序遍历pre-order： 根-左-右中序遍历in-order： 左=根-右后续遍历post-order： 左-右-根2、二叉搜索树 Binary Search Tree- 二叉搜索树，也叫二叉排序树，有序二叉树（order Binary Tree）- 排序二叉树（S
2021-04-12 21:58:59
235
原创 C++刷题模板之链表篇
C++刷题笔记1、链表简介：-1. 链表是一种物理存储单元上下不连续的存储结构，数据元素之间是通过链表中的指针进行链接。-2. 链表有一系列的节点(链表中的每一个元素称为节点)组成，节点可以在运行时，动态生成。-3. 每一个节点都包含两个部分：一个是存储数据的数据域，一个是存储下一个节点地址的指针域。-4. 链表相对于数组：允许在任意位置进行插入或者删除节点，但是链表不支持随机访问节点，只能从头节点进行遍历访问每一个节点2、链表的三种形式：-1. 单向链表- 包含两个域：一个数据域和一个指
2021-04-12 20:45:51
181
原创 图像特征-HOG_理论篇
图像特征之-HOGHOG特征：方向梯度直方图（Histogram of Oriented Gradient，HOG）特征是一种计算机视觉和图像处理总用来进行物体检测的特征描述子，它是通过计算和统计凸显根据簿区域的梯度方向直方图来构建特征。Hog特征结合SVM分类器，已经被广泛应用于图像识别中，尤其在行人检测中获得极大地成功，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主1、HOG的
2021-04-12 20:33:41
247
原创 C++刷题模板之排序篇
C++刷题笔记排序算法1、比较类排序算法：通过比较来决定元素之间的相对次序，由于其时间复杂度不能突破O(logn)，因此也称为非线性时间比较类排序2、非比较排序算法：不通过比较来决定元素之间的相对次序，它可以突破基于比较排序的时间下界，以线性时间进行运行，因此也称为线性时间非比较排序十大经典排序算法（动画演示）9种经典排序算法可是动画6分钟看完15中排序算法动画演示1-比较类排序算法1、选择排序（selection sort） – 时间复杂度O(n^2)表现最稳定
2021-04-08 21:23:11
127
原创 《Machine Learning in action》- 机器学习实战（笔记）之k-Nearest Neighbors（3_实战篇）
《Machine Learning in action》，机器学习实战（笔记）之k-Nearest Neighbors使用工具- Python3.8- pycharm- anaconda- jupyter notebook二、手写识别系统宽高是32像素x32像素。尽管采用本文格式存储图像不能有效地利用内存空间，但是为了方便理解，我们将图片转换为文本格式手写数字的预测分类1、使用自己写的Python进行分类import numpy as npimport operatorfro
2021-03-18 15:46:19
105
原创 《Machine Learning in action》- 机器学习实战（笔记）之k-Nearest Neighbors（2_实战篇）
《Machine Learning in action》，机器学习实战（笔记）之k-Nearest Neighbors使用工具- Python3.8- pycharm- anaconda- jupyter notebook使用K-NN算法改进约会网站的配对效果1、背景介绍海伦女士一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同的任选，但她并不是喜欢每一个人。经过一番总结，她发现自己交往过的人可以进行如下分类：不喜欢的人魅力一般的人极具魅力的人海伦收集约会数
2021-03-18 14:55:10
187
原创 《Machine Learning in action》- 机器学习实战（笔记）之k-Nearest Neighbors（1_基础篇）
《Machine Learning in action》，机器学习实战（笔记）之k-Nearest Neighbors使用工具- Python3.8- pycharm- anaconda- jupyter notebook一、The k_Nearest neighbors classification algorithmk近邻法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合，
2021-03-14 21:05:08
119
转载 C++Primer第五版——习题答案详解
本文链接：https://blog.csdn.net/misayaaaaa/article/details/53786215C++Primer第五版——习题答案详解 新手入门必看的书。知识是一个系统化并且相互关联的体系，零散的东西每天收获如果不形成自己的体系的话，那将是毫无意义的，所以我觉得有必要将这本书先啃一遍，消化其中的关键有用的东西，了解相关但是目前不那么重要的东西。博客不是我的目的，...
2019-08-19 10:32:34
151
原创 《Machine Learning in action》- （笔记）之Logistic regression（3_sklearn篇）
《Machine Learning in action》，机器学习实战（笔记）之Logistic regression使用工具- Python3.7- pycharm- anaconda- jupyter notebook使用Sklearn构建Logistic回归分类器接下来就是使用：Sklearn的Logistic回归分类器！首先看看sklearn官方的英文文档：sklear...
2019-05-28 22:36:02
291
原创 《Machine Learning in action》- （笔记）之Logistic regression（2_实战篇）
《Machine Learning in action》，机器学习实战（笔记）之Logistic regression使用工具- Python3.7- pycharm- anaconda- jupyter notebook一、前言在上一篇中，我们介绍了梯度上升算法，，而在这一篇中。我们将对前面的算法进行改进，随机梯度上升算法，我们同时将会进行，对比，分析其中的优缺点，并对skle...
2019-05-28 20:22:14
391
原创 《Machine Learning in action》- （笔记）之Logistic regression（1_基础篇）
《Machine Learning in action》，机器学习实战（笔记）之Logistic regression使用工具- Python3.7- pycharm- anaconda- jupyter notebook一、 前言在这里我们将更多的用书中的内容，更多的公式到额推导就不在这里介绍了，但是还是会适当的介绍一些了，因为本身也是刚开始学习的，所以自己对公式的把握也不是那...
2019-05-22 20:36:03
195
原创 《Machine Learning in action》- （笔记）之naive Bayes（2_实战篇）
《Machine Learning in action》，机器学习实战（笔记）之naive Bayes使用工具：- Python3.7 - pycharm- anaconda- jupyter notebookExample: classifying apam email with naive Bayes 用朴素贝叶斯过滤垃圾邮件大概的步骤获取数据- 提供文本文件处理数据- ...
2019-04-28 16:57:00
379
原创 《Machine Learning in action》- （笔记）之naive Bayes（1_基础篇）
《Machine Learning in action》，机器学习实战（笔记）之naive BayesChapter one -前言：朴素贝叶斯（naive Bayes）法是基于贝叶斯定理和特征条件独立假设的分类方法，对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布，然后基于该模型，对于给定的输入x，利用贝叶斯定定理求出后验概率的最大输出y，朴素贝叶斯法实现简单，学...
2019-04-23 21:58:33
252
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