CSDN_Black的博客

原创 【深度学习】问题总结

1 什么是结构化数据有明确的特征值的数据，比如年龄等无明确的特征值的数据称之为非结构化数据，比如图片 2 为什么近几年深度学习发展如此迅速数据量的变大计算机运算速度的变快 3 神经网络中w初试值不能为0向量若w全部初始值为0，隐藏层中每个单元算出相同的值，在BP算法改变w时会发现每组w是相同的，即一个隐藏层中的所有单元失去作用...

原创 【机器学习】模型评估方法

参考 ：http://charleshm.github.io/2016/03/Model-Performance/            https://blog.csdn.net/zdy0_2004/article/details/44948511   准确率(accuracy)：平常说的正确率= (TP+TN)/(TP+FN+FP+TN) 精确率（precision)（查准率）：预...

原创 HDFS原理

参考:https://www.jianshu.com/p/855dff19fd661 namenode与datanodenamenode是数据管理者，存放数据目录datanode存放数据，数据分块处理，在hadoop2.0中每块128M（必须一块块写（读），不能同时写（读））小于128M的文件不占128M空间2 HDFS架构3 HDFS元数据4 namenode具体内容5 namenode工作特点...

原创 python小技巧总结

    1 math.ceil()  #向上取整    math.floor()  #向下取整    round（a,2）  #a四舍五入,保留2位小数    int（）  #向下取整 ，返回整数类型    math.sqrt()  #开根号   pow（a,x） #求a的x次方 2 遍历字典 https://www.cnblogs.com/stuqx/p/7291948.htm...

原创 【机器学习】经典问题总结

1 逻辑回归为什么用sigmod函数，以及对应损失函数为什么选极大似然 简答： 首先，我们在建模预测 Y|X，并认为 Y|X 服从bernoulli distribution，所以我们只需要知道 P(Y|X)；其次我们需要一个线性模型，所以 P(Y|X) = f(wx)。接下来我们就只需要知道 f 是什么就行了。而我们可以通过最大熵原则推出的这个 f，就是sigmoid。 为什么选择极大似然...

原创 各种熵总结