- 博客(30)
- 资源 (10)
- 收藏
- 关注
转载 科学计算与Matlab笔记:第7章:符号运算
1. 符号对象用eval命令将符号表达式对应的数值求出来当r(A)小于n,或者A的行列式为0时,齐次线性方程组有非零解2.符号微积分反转,符合实际的视觉效果用另外一种算法,结果同样为13. 级数sum求和,求和的项目受限4. 符号方程求解直接求解无解,可以换种解法,利用某种变换...
2018-05-31 06:52:58 483
转载 Machine Learning Techniques 笔记:2-9 Decision Tree
g(x) 即为最终的选择容易理解,但缺乏强有力的数学理论保障1.首先学如何做分支2.根据分支,分成c块,3. 各分支学习一个各自的小树4. 各分支整合起来,生成大树。但只有这4个步骤,可能不行,因为没有停止的条件。1.每次一刀切两段,只建造二元树2. 回传一个最好的常数(二元分类,回传最多的y;回归问题,回传y的平均)1.利用decision stump切分二元树。decision stump:在...
2018-05-30 21:35:11 305
转载 科学计算与Matlab笔记:第6章:数值微积分与方程求解
1. 数值微分与数值积分2. 线性方程组求解3. 线性方程组应用举例E点受力分析4. 非线性方程求解与函数极值计算5. 常微分方程数值求解6. 常微分方程应用举例...
2018-05-27 07:57:22 2510
转载 Machine Learning Techniques 笔记:2-8 Ada Boosting
只要比乱猜效果好,最终Ein总可收敛t=1,放大errort=2,进一步切割,放大中间的errort=3经过足够的迭代,可以得出一条完美的分界线
2018-05-25 06:52:24 265
转载 Machine Learning Techniques 笔记:2-7 Blending and Bagging
如果只有一条横线,或一条竖线,可能无法把data ooxx完美的分开,如果相结合,则可能会产生一个近似完美的折线。PLA产生的一大堆线,投票后,可能会得到一个比较中庸的线,近似于SVM的最大margin。可以将一堆简单的组合起来,做一个比较复杂的东西。...
2018-05-24 06:37:25 207
转载 Machine Learning Techniques 笔记:2-6 Support Vector Regression
Kernel LR:如果将SVM用到soft binary classification,可以用2-level learning的方式,先做一个SVM,然后将SVM的结果放在LR中微调一下,或者是使用representer theorm直接把LR变成kernel的形式。今天,着眼点在于如何将LR变成kernel的形式上周的Representer Theorm:最好的w什么时候变成一堆z的线性组合呢...
2018-05-21 23:29:47 220
转载 Machine Learning Techniques 笔记:2-5 Kernel Logistics Regression
上节2-4中有讲,如果SVM中允许犯一点点错误,把原来很严格的hard-margin改成soft-margin,允许违反一些些边界,用C代表惩罚,与原来形式类似,唯一的差别,就是alpha n的上界为C。LIBLINEAR,LIMSVM(专门求解dual SVM)由台大林志远老师实验室开发SVM error measure, usually called hinge error measure.e...
2018-05-21 22:42:26 239
转载 科学计算与Matlab笔记:第5章:数据分析与多项式计算(插值 拟合)
1. 数据统计分析a. 求最大元素与最小元素>> x=[-43,72,9,16,23,47]x = -43 72 9 16 23 47>> y=max(x)y = 72>> [y,k]=max(x)y = 72k = 2>> A=[13,-56,78;25,63,-235;78,25,563;1...
2018-05-20 07:17:15 2319
原创 几种插值算法对比
1.拉格朗日插值2.牛顿插值3.分段线性插值4. 分段三次埃尔米特插值5.样条插值函数6.五种样条函数比较所以,7. 五种插值方法的实际应用
2018-05-19 07:37:05 40653 1
转载 科学计算与Matlab笔记:第4章:Matlab绘图
1. 二维曲线plot函数&fplot函数Plot函数(1)plot函数的基本用法plot(x,y)其中,x与y分别用于存储x坐标与y坐标数据例1:绘制一条折线>> x = [2.5, 3.5, 4, 5];>> y=[1.5, 2.0, 1, 1.5];>> plot(x,y)(2)最简单的plot函数调用方式>> x=[1.5, 2.0,...
2018-05-15 22:46:56 1918 2
转载 Intel研究院院长吴甘沙:大数据的10个技术前沿(1.8万字+61PPT)
Intel研究院院长吴甘沙:大数据的10个技术前沿(1.8万字+61PPT) 本次讲座是清华大数据产业联合会"技术•前沿"系列讲座的第一讲,主讲人为英特尔(中国)研究院院长吴甘沙。吴甘沙院长从大数据技术前沿的十个问题入手,对大数据产业进行了深度解析,演讲全文如下:首先我们公司要求要有一些免...
2018-05-10 23:47:29 835
转载 Intel研究院院长吴甘沙演讲全文:大数据分析师的卓越之道(32PPT)
Intel研究院院长吴甘沙演讲全文:大数据分析师的卓越之道(32PPT)亲爱的各位同仁,各位同学,早上好。讲到大数据,就要问数据分析师应该做什么?所以我今天的标题是大数据分析师的卓越之道。这里不一定讲的对,讲的对的我也不一定懂,所以请大家以批评式的方式去理解。这是一个典型的数据分析的场景,下面是基础设施,数据采集、存储到处理,左边是数据处理,右边价值输出。连接数据和价值之间的是这知识发现,用专业词...
2018-05-10 23:41:06 959
转载 科学计算与Matlab笔记:第3章:Matlab程序流程控制
1. 顺序结构程序2. 用if语句实现选择结构3. 用switch语句实现选择结构4. 用for语句实现循环结构5. 用while语句实现循环结构6. 函数文件的定义与调用7. 函数的递归调用8. 函数参数与变量的作用域...
2018-05-10 20:58:34 443
转载 网络爬虫笔记2, requests库入门-2(编程实例)
实验1:爬取京东网。import requestsurl = "http://item.jd.com/10460106645"try: r = requests.get(url) r.raise_for_status() r.encoding = r.apparent_encoding print(r.text[:1000])except: print("爬取失败")...
2018-05-10 07:32:16 272
原创 科学计算与Matlab笔记:第2章:Matlab矩阵处理
1. 特殊矩阵通用的特殊矩阵>zeros函数:产生全0的矩阵,即零矩阵>ones函数:产生全1的矩阵,即1矩阵>eye函数:产生对角线为1的矩阵。当矩阵为方阵时则得到一个单位阵>rand函数:产生0~1区间均匀分布的随机矩阵>randn函数:产生均值为0,方差为1的标准正态分布随机矩阵。zeros函数的调用格式:>zeros(m): 产生mxm的零矩阵>z...
2018-05-08 08:01:30 8860 2
转载 网络爬虫笔记1, requests库入门
1. 安装python3 https://www.python.org/2. 安装pycharm 社区版http://www.jetbrains.com/pycharm/3. 安装anacondahttps://www.anaconda.com/download/4. 在pycharm中,设置编译器,并添加安装requests包。5.打开ipython,实验第一个程序import requests...
2018-05-05 07:33:39 312
转载 ind2sub
ind2sub ind2sub,函数名。在FreeMat、Matlab中,该函数用于把数组中元素索引值转换为该元素在数组中对应的下标(关于元素的下标访问及索引访问请参考sub2ind)。外文名 ind2sub 函数功能FreeMat、Matlab 语法格式 [I,J] = ind2sub 适用二维数组语法格式:[I,J] = ind2sub(siz,IND)这种调用格式适用于二维数组,其中siz是...
2018-05-04 15:51:16 638
原创 matlab中的sub2ind函数
matlab中的sub2ind函数 在matlab中,矩阵的存储是按列优先,sub2ind函数将矩阵中指定元素的行列下标转换成存储的序号,即线性索引号。下面,我们举例子进行说明。1 建立一个3*4*2的矩阵rng(0,'twister'); % Initialize random number gen...
2018-05-04 07:47:12 1190
转载 线性回归原理小结
线性回归原理小结 线性回归可以说是机器学习中最基本的问题类型了,这里就对线性回归的原理和算法做一个小结。1. 线性回归的模型函数和损失函数 线性回归遇到的问题一般是这样的。我们有m个样本,每个样本对应于n维特征和一个结果输出,如下: (x(0)1,x(0)2,...x(0)n,y0),(x(1)1,x(1)2,...x(1)n,y1),...(x(m)1,x(m)2,...x(m...
2018-05-03 09:27:56 291
转载 精确率与召回率,RoC曲线与PR曲线
精确率与召回率,RoC曲线与PR曲线 在机器学习的算法评估中,尤其是分类算法评估中,我们经常听到精确率(precision)与召回率(recall),RoC曲线与PR曲线这些概念,那这些概念到底有什么用处呢? 首先,我们需要搞清楚几个拗口的概念:1. TP, FP, TN, FN True Positives,TP:预测为正样本,实际也为正样本的特征数 False Positive...
2018-05-03 09:22:29 371
转载 交叉验证(Cross Validation)原理小结
交叉验证(Cross Validation)原理小结 交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证,顾名思义,就是重复的使用数据,把得到的样本数据进行切分,组合为不同的训练集和测试集,用训练集来训练模型,用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集,某次训练集中的某样本在下次可能成为测试集中的样本,即所谓“交叉”。 那么什么时候才需要交...
2018-05-03 09:20:50 453
转载 最小二乘法小结
最小二乘法小结 最小二乘法是用来做函数拟合或者求函数极值的方法。在机器学习,尤其是回归模型中,经常可以看到最小二乘法的身影,这里就对我对最小二乘法的认知做一个小结。1.最小二乘法的原理与要解决的问题 最小二乘法是由勒让德在19世纪发现的,原理的一般形式很简单,当然发现的过程是非常艰难的。形式如下式: 目标函数 = Σ(观测值-理论值)2 观测值就是我们的多组样本,理论...
2018-05-03 09:09:47 748
转载 梯度下降(Gradient Descent)小结
梯度下降(Gradient Descent)小结 在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。这里就对梯度下降法做一个完整的总结。1. 梯度 在微积分里面,对多元函数的参数求∂偏导数,把求得的各个参数的偏导数以向量的形式写出来,就是梯度。比如函数f(x,y), 分别对x,y求偏导数,求...
2018-05-03 09:04:44 143
转载 科学计算与Matlab笔记:第 1章 :Matlab基础
Matlab系统环境: 设置当前工作路径:cd C:\Training\AI\Matlab查看当前工作路径: pwd设置搜索路径:path(path,’C:\Training\AI\Matlab’) 2.Matlab数值数据 无符号整型:00000000b - 11111111b,(0 - 2.^8 -1) 有符号整型:10000000b - 01111111b,(-2.^7 -...
2018-05-01 21:05:15 760
转载 科学计算与Matlab笔记:第 0章 :Matlab简介
第 0章 :Matlab简介求解方程组:x^2-3x+1=0根 方法1:多项式求根函数roots p = [1, -3, 1]; x = roots(p) x =2.61800.3820 x = [-5: 0.1: 5]; y1 = x.^2 -3*x + 1; y2 = zeros(size(x));...
2018-05-01 18:19:13 281
1.Python基础_1.4_条件判断及循环语句.ipynb
2019-09-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人