2017年11月_潮汐止处

原创【Machine learning】集成学习（ensemble learning）

“Ensemble methods” is a machine learning paradigwhere multiple(homogenous/heterogeneous)individual leaners are generated and combined forthe same problem.集成学习通过构建并结合多个学习器来完成学习任务，有时也被成为多分类器系统。一、介绍...

2017-11-28 18:05:29 702

原创【剑指offer】判断在一个矩阵中是否存在一条包含某字符串所有字符的路径。（回溯法）

题目描述：请设计一个函数，用来判断在一个矩阵中是否存在一条包含某字符串所有字符的路径。路径可以从矩阵中的任意一个格子开始，每一步可以在矩阵中向左，向右，向上，向下移动一个格子。如果一条路径经过了矩阵中的某一个格子，则该路径不能再进入该格子。例如 a b c e s f c s a d e e 矩阵中包含一条字符串"bcced"的路径，但是矩阵中不包含"abcb"路径，因为字符串的第一个字符b占...

2017-11-21 21:14:50 1460

原创堆以及堆排序

堆以及堆以及优先队列调整每个节点的算法：如果要建立大顶堆，则需遵循每个父亲结点的值都要大于左右孩子的值建立堆的算法：自底向上建立，调整每个非叶子节点，叶子节点无需再调整利用结论，完全二叉树中(n/2+1，...，n）为叶子节点

2017-11-15 11:23:22 198

原创【Machine learning】参数估计（个人通俗理解）

问题背景：我们知道了总体的分布，但不知道分布的参数，因此我们就要对未知的参数做出估计。两个类型的估计：1.点估计2.区间估计 1.点估计包括矩估计和极大似然估计1）矩估计：用样本矩去估计总体矩这里就可以用样本一阶矩（均值）估计整体一阶矩（均值），样本二阶中心矩估计（方差）整体二阶中心距（方差）2）极大似然估计：理解：利用已知的样本结果，反推最有可...

2017-11-10 18:17:28 10058 2

原创【Machine learning】假设检验（通俗个人理解）

和区间估计正好相反（是主动的估计）思路：根据样本的值，按照一定的规则（小概率原理），检验关于总体的某个假设是否能被接受用到了一个原理：小概率事件的不可能原理（小概率事件再一次试验中几乎不会发生）显著性（检验水平）水平：α，这里就是个小概率（也是犯第一类错误--弃真的概率）执行步骤：1.提出原假设、备择假设2.取检验统计量3.找一个小概率事件，构造拒绝域4.根据样...

2017-11-10 17:16:47 3285

原创【git】git及github使用（一）

第1步：创建SSH Key。$ ssh-keygen -t rsa -C "你的邮箱"一路回车，这样设置的无密码的在用户主目录里找到.ssh目录，里面有id_rsa和id_rsa.pub两个文件，这两个就是SSH Key的秘钥对，id_rsa是私钥，不能泄露出去，id_rsa.pub是公钥，可以放心地告诉任何人。第2步：登陆GitHub，打开“Account settings...

2017-11-09 11:07:41 255

转载【Machine learning】K-NN(k-nearest neighbor)

knn是一种常见的监督学习方法。工作机制：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这个k个“邻居”的信息进行预测。懒惰学习，训练阶段仅仅是把样本保存起来，待收到样本后再进行处理。 1. K-NN算法简介　K-NN算法 ( K Nearest Neighbor, K近邻算法 ), 是机器学习中的一个经典算法, 比较简单且容易理解. K-N...

2017-11-07 10:06:42 563

baidu_29894819的博客