- 博客(5)
- 收藏
- 关注
RSS订阅原创 2015/3/13这周总结
这周首先是对前段时间的机器学习进行总结，所有总结我都手写的，便于加深理解和总结，总结我都拍照下来了，如下图： 读书：最近正在看数学之美，目前看了三章。 毕业论文：重看了魏涛涛和方一曙学长的毕业论文，确定了我自己的实验数据格式和数据抽取方式，周六周日需要简单了解下python下爬虫的实现，用来进行抓取实验数据。
2015-03-13 18:56:42
399
原创 机器学习算法之CART（分类和回归树）
CART算法介绍： 分类和回归树（CART）是应用广泛的决策树学习方法。CART同样由特征选择，树的生成和减枝组成，既可以用于分类也可以用于回归。CART的生成就是递归的构建二叉决策树的过程。对回归树用平方误差最小化（RMSE），对分类树用基尼指数最小化准则，进行特征选择，生成二叉树。1.回归树生成的算法介绍 输入：训练数据集D 输出：回归树f(x) 在训练数据集所在的输入空间中，递归的将每
2015-03-06 21:29:22
5811
1
原创 文章标题
机器学习–监督学习部分算法总结KNN算法： KNN即最近邻算法，其主要过程为： 1. 计算训练样本和测试样本中每个样本点的距离（常见的距离度量有欧式距离，马氏距离等）； 2. 对上面所有的距离值进行排序； 3. 选前k个最小距离的样本； 4. 根据这k个样本的标签进行投票，得到最后的分类类别； 如何选择一个最佳的K值，这取决于数据。一般情况下，在分类时较大的K值能够减
2015-02-09 14:40:36
441
原创 看《集体智慧编程》二三章总结
第二章 提供推荐 推荐的方式主要分为两类，一种是基于物品的推荐，一种是基于用户的推荐。基于物品的推荐，就是计算物品之间的相似度，例如物品A和物品B相似，假如用户购买了物品A，则用户极有可能购买物品B。基于用户的推荐就是找到相似的用户，例如“用户A购买了商品A和商品B，用户B购买了商品A，假如经过计算，用户A和用户B是相似的，则用户B极有可能购买商品B。 在数据量大的情况下，基于物品的过滤能够得
2015-01-27 17:30:40
531
原创 Cocos2d-x制作微信打飞机游戏中的一些技术总结
1.首先是Cocos2d-x的内存机制 之前这个游戏写完的时候，退出会报内存异常的错误，原因是我把每个create过的对象都在析构函数里面release（）了一下，这是没有必要的。因为在cocos2d-x中，每个create过的对象，都默认加了autorelease（），会自动释放。还有一个要注意的问题就是retain()和release（）要成对出现，cocos2d-x用了引用计数的方法来管理
2014-01-01 10:11:54
1103
1
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