- 博客(7)
- 资源 (6)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 机器学习笔记：贝叶斯算法(一)
有关贝叶斯定理和贝叶斯公式的推导过程，在阮一峰大神的博客里的《贝叶斯推断及其互联网应用（一）：定理简介》写得非常全面，简洁明了。下面是我的个人笔记总结：贝叶斯定理基于假设的先验概率，给定假设下观察到的不同数据的概率，提供了一种计算后验概率的方法。 先验概率：由以往的数据分析得到的概率。 后验概率：得到信息之后再重新加以修正的概率。在人工智能领域是非常有代表性的不确定性知识表示和推理方法。条件概率
2016-09-29 11:36:09
2535
转载 Python3.x 开发问题汇总
在python的安装目录中找到配置文件： %Python_Home%\Lib\site-packages\matplotlib\mpl-data\matplotlibrc，用任意文本编辑器打开。（最好先备份一下） 找到：#font.family， 将其注释去掉，冒号后面的值改为Microsoft YaHei 找到：#font.sans-serif， 将其注释去掉，并将Microsoft Ya
2016-09-23 20:19:38
584
原创 机器学习笔记：ID3算法建立决策树(二)
在《机器学习笔记：ID3算法建立决策树(一)》中记录了ID3算法的计算公式和步骤，现在用例子记录一下ID3构建决策树的过程。 对以下数据进行分类： - 是否能飞？ 是否有羽毛？ 是小鸟？ 1 是 是 是 2 是 是 是 3 是 否 否 4 否 是 否 5 是 否 是是否能飞用0,1表示，0不能飞，1能飞
2016-09-23 15:55:44
2001
原创 机器学习笔记：ID3算法建立决策树(一)
ID3算法的核心思想以信息熵的下降速度作为选取测试属性的标准，所选的测试属性是从根节点到当前节点的路径上尚未被考虑的具有最高信息增益的属性。维基百科上对ID3算法有比较详细的介绍：ID3维基计算过程相关公式xx是一个离散型的随机变量，其概率分布为 p(x)=P(X=x),x∈Xp(x)=P(X=x),x∈X 则X的熵为 H(X)=−∑i=0np(xi)log2p(xi)H(X)=-\sum_
2016-09-22 16:47:05
5673
原创 机器学习笔记：K-最近邻算法
K-最邻近算法（k-Nearest Neighbors）KNN基本思想计算输入值的坐标与当前所有点的坐标距离（利用勾股定理），将这些距离保存在一个递增的列表里，获取k个最小的距离的值，在这些值中找到最主要的分类，即出现次数最多的类别，这个列别就是要预测的输入值的类别。General approach to kNNCollect: Any method.Prepare: Numeric value
2016-09-21 10:50:38
832
原创 Spring定时任务无故停止又不报错
一开始是使用Spring自带的定时器来配置定时任务的，简单快捷，配置如下：<bean id="refreshCache" class="com.gionee.baserom.search.job.RefreshCache" /><task:scheduled-tasks> <task:scheduled ref="refreshCache" method="execute" cron="0
2016-09-08 14:22:52
18508
转载 Android Studio 快捷键整理
【常规】Ctrl+Shift + Enter，语句完成“！”，否定完成，输入表达式时按 “！”键Ctrl+E，最近的文件Ctrl+Shift+E，最近更改的文件Shift+Click，可以关闭文件Ctrl+[ OR ]，可以跑到大括号的开头与结尾Ctrl+F12，可以显示当前文件的结构Ctrl+F7，可以查询当前元素在当前文件中的引用，然后按 F3 可以选择Ctrl+N，可以快速打开
2016-09-01 11:52:16
656
JdkLoggerUtils.java
2012-12-07
java.util.logging.Logger使用详解
2012-10-26
关于操作日志记录的问题
2013-03-22
TA创建的收藏夹 TA关注的收藏夹
TA关注的人