4.2 神经网络算法代码实现 参考前一篇文章“4.1 神经网络算法原理” ， 用Python实现了一个版本，不过这个版本有一些坑，懒得去调了，以后会出一个新的版本，这个版本就这样了吧python代码NeraulNetwork.pyimport numpy as np# 双曲正切函数def tanh(x): return np.tanh(x)# 双曲正切函数导数def tanh_der...
4.1 神经网络算法原理 神经网络算法介绍：https://blog.csdn.net/qq_37406130/article/details/79157025AI从入门到放弃：BP神经网络算法推导及代码实现笔记:http://baijiahao.baidu.com/s?id=1603526007545961785&wfr=spider&for=pc&qq-pf-to=pcqq....
3.4 svm人脸识别 python代码：from __future__ import print_functionfrom time import timeimport loggingimport matplotlib.pyplot as pltfrom sklearn.model_selection import train_test_splitfrom sklearn.datasets import...
3.3 svm预测 python代码：import numpy as npimport pylab as plfrom sklearn import svm#创建点np.random.seed(0)X = np.r_[ np.random.rand( 10 ,2 )*10 - [ 10,10] , np.random.rand( 10 ,2 )*10 + [ 10,10] ]Y = [0] * 1...
3.2 svm预测 python代码:from sklearn import svmx = [ [0,0] ,[1,1],[2,3],[4,9] ] # 四个点y = [ 0 ,0 ,1,1 ] # 四个点分类clf = svm.SVC(kernel="linear") # 采用分类算法SVC ,核函数使用 linearclf.fit(x , y) # 训练模型preX = [ [1,1] , [3...
1.2 函数间隔和几何间隔理解2 转载地址：https://www.zhihu.com/question/20466147SVM是通过超平面将样本分为两类。在超平面 w*x + b = 0 确定的情况下，|w*x + b | 可以相对地表示点x距离超平面的远近。对于两类分类问题，如果 w*x + b > 0，则的类别被判定为1；否则判定为-1。所以如果 y * ( w*x + b ) > 0，...
1.1 函数间隔和几何间隔理解1 转载地址：https://www.jianshu.com/p/2e3c0c583e851、函数间隔我们的函数间隔定义为：可以看到，函数间隔其实就是类别标签乘上了f(x)的值，可以看到，该值永远是大于等于0的，正好符合了距离的概念，距离总不能是负的吧。那么为什么该值可以表示数据点到超平面的距离呢？我们不妨这样想，假设y=1,f(x)=1,其实就是将原来的分类超平面f(x) 向右平移...
2.3 KNN-采用机器学习库来预测鸢尾花的分类 如下图，一朵花由很多部分组成，比如由有萼片，花被等,而山鸢尾，杂色鸢尾和维吉尼亚鸢尾它们的区别在于萼片长度和宽度以及花瓣长度和宽度，根据这些特征来判断到底是哪种花首先导入机器学习库里的数据,数据格式如下 :机器学习代码:# 导入需要的包from sklearn import neighborsfrom sklearn import datasets# ...
2.2 KNN算法实现 1 源码下载下载代码2 代码截图3 KNN代码实现import randomimport mathfrom operator import itemgetter""" 定义加载数据函数 fileName: 文件名称 split：分割点,将原始数据分为训练集和测试集 trainingData:训练集 testData:测试集"""def loa...
2.1 KNN算法原理 一 . K-近邻算法（KNN）概述 最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个测试对象同时与多个训练对象匹配，导致一个训练对象被分到了多个类的问题，基于这些问题呢，就产生了KNN。 KNN是通过测量不同...
1.2 决策树代码实现 1 代码结构图2 源码下载地址下载源码3 代码实现from sklearn.feature_extraction import DictVectorizerimport csvfrom sklearn import treefrom sklearn import preprocessingfrom sklearn.externals.six import Stri...
1.1 决策树算法原理 1. 什么是决策树/判定树（decision tree)? 判定树是一个类似于流程图的树结构：其中，每个内部结点表示在一个属性上的测试，每个分支代表一个属性输出，而每个树叶结点代表类或类分布。树的最顶层是根结点。 2. 机器学习中分类方法中的一个重要算法 3. 构造决策树的基本算法 下图是常见的一个决策树图，根据是年龄是否为you...
(3) 用java编译器实现一个简单的编译器-语法分析 转载地址：http://blog.csdn.net/tyler_download/article/details/50708807视频地址：http://study.163.com/course/courseLearn.htm?courseId=1002830012#/learn/video?lessonId=1003210315&courseId=1002830012正文内容
(2) 用java实现一个简易编译器1-词法解析入门 转载地址 : http://blog.csdn.net/tyler_download/article/details/50668983/视频地址 : http://study.163.com/course/courseLearn.htm?courseId=1002830012#/learn/video?lessonId=1003210101&courseId=1002830012正文内容
（一）编译器实现资料 1http://study.163.com/course/introduction.htm?courseId=10028300122 http://blog.csdn.net/tyler_download/article/details/54311657
关注
