jiuniangyuanzikk-CSDN博客

原创 keras -- 实现cifar10分类

import kerasfrom keras.datasets import mnist,cifar10from keras.models import Sequentialfrom keras.layers import Dense, Dropout, Flatten, MaxPooling3Dfrom keras.layers import Conv2D, MaxPooling2Df

2017-12-13 11:05:18 1113

原创 tensorflow实践系列 -- 线性规划 (batch and stochastic)

import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltsess = tf.Session()#batch gradient descentx_vals = np.random.normal(1,0.1,100).reshape([100,1])y_vals = np.repeat(10.0,10

2017-11-30 13:36:50 1094

原创 Python实现线性回归（梯度下降）

import numpy as npimport pandas as pdfrom numpy import *from pandas import *import matplotlib.pyplot as pltx = np.array([[1,2],[2,1],[3,2.5],[4,3], [5,4],[6,5],[7,2.7],[8,4.5],

2017-11-13 18:09:21 4863 1

原创 ml-预处理交叉检验

今天分析人类收入数据,想从中提炼分析出能够获得>50万年薪的人的特征都是什么，从中遇到了一个交叉验证的参数问题。数据是从UIC获取的，csv_file = pd.read_csv('adult.data',header=None,names=['age', 'workclass',

2017-07-15 15:40:14 308

原创 ML--Apriori关联分析

Apriori算法通常用于发现样本间的某种关系，比如超市购物中心，通常会根据用户的数据，发现买牛奶的人通常也会买西瓜这样的关系，来安排把牛奶和西瓜捆绑在一起进行销售。Apriori的核心思想：1.发现样本中的频繁集2.从频繁集中挖掘关联规则频繁集：就是样本中出现的次数多的集合（这个多是相对的，算法需要定义一个度来表示什么才是真正的频繁） x(i)/n看下图：

2017-07-11 14:57:41 345

原创决策树-NBA比赛预测

思路：1.获取NBA2017年的数据2.格式化处理数据3.设计统计分析模型4.特征选取并进行机器学习NBA的数据是自己在网上获取的csv数据，如下，可以直接保存成csv后缀的文本文件Date,Start (ET),Visitor/Neutral,PTS,Home/Neutral,PTS,,,NotesTue Oct 25 2016,7:30 pm,New York

2017-07-11 10:27:15 832

原创 ML-K-均值聚类算法

算法核心思想很简单，看下图： 1.算法k取值为2，代表我们对这个样本进行2类划分，当然多类的划分算法类似2.随机的获取两个点（用圆圈圈出的）即簇质心点，注意这两个点一定要在样本边界范围内，稍后的代码会给出实现3.获取了这两个点后，通过计算所有的点到这两个点的距离，让每个点选择自己距离最近的质心点，这样这些属于同一个质心点的样本点都归为一簇4.在获取的两个簇的样本

2017-07-05 14:03:51 526

原创 ML-朴素贝叶斯

在做分类算法的时候，很多算法都不错，但是有时可能需要获取到分类结果的概率，这时候就可以用上贝叶斯了贝叶斯决策理论：如果有两类数据，p1(x,y)的概率属于第一类， p2(x,y)的概率属于第二类，那么如果测试数据(x,y)p1(x,y) > p2(x,y) 就属于第一类p2(x,y) > p1(x,y) 就属于第二类这就是贝叶斯决策理论的核心思想了。可以这样理解贝叶斯决策：

2017-07-01 16:00:54 228

原创 ML-决策树

决策树是一种进行类别递归分类的分类算法，具体的原理就是构造一棵决策树，对所有相同的类别分别作为左右子节点（当然也可以是多树杈的树）决策树的核心在于如何找到最优的特征值来对于数据集合进行分类。最好的方法就是用香浓定理了香浓定理：H 就代表了训练集合所有特征的熵，得到了熵之后，我们就可以获取最大信息增益的方法来选择最佳的划分特征值。python代码：d

2017-07-01 15:39:48 322

原创 ML-KNN

KNN-k 近邻算法KNN属于分类算法，原理比较简单，简单概括就是对测试数据和所哟样本点进行距离的测算，最后选取K个最近的点的集合，在其中选取类别出现最多的点的分类作为测试数据的分类。以图说明,这里存在矩阵 trainMat = array([[1.,1.1],[1.,1.],[0.,0.],[0.,0.1]])作图：当我们的

2017-07-01 10:51:32 1646

原创 ML-Regression

Linearing Regression：算法： python实现：# coding=utf-8from numpy import *import matplotlib.pyplot as pltfilename = 'D:\machinelearninginaction\Ch08\ex0.txt'numLen = len(open(filena

2017-06-25 20:15:12 374

原创 nginx--过滤模块开发

config文件：ngx_addon_name=ngx_http_req_filter_moduleHTTP_FILTER_MODULES="$HTTP_FILTER_MODULES ngx_http_req_filter_module"NGX_ADDON_SRCS="$NGX_ADDON_SRCS $ngx_addon_dir/ngx_http_req_filter_module.c"

2016-12-08 10:28:38 213

原创 nginx--rbtree使用详解

红黑数的性质这里就不多说了网上很多，主要看看nginx是如何定义的rbtree和怎么使用它 rbtree = ngx_slab_alloc(shpool, sizeof(ngx_rbtree_t)); //从共享内存中创建一颗红黑树sentinel = ngx_slab_alloc(shpool, sizeof(ngx_rbtree_node_t)); //创建了一个红黑

2016-11-10 10:53:47 2110

原创 nginx--队列的使用详解

nginx中的队列实现就是用的双向链表这种数据结构，节点代码如下： typedef struct ngx_queue_s ngx_queue_t;struct ngx_queue_s { ngx_queue_t *prev; ngx_queue_t *next;}; 所以，nginx的队列实现其实就是常用的链表操作，具体操作如下：#def

2016-11-09 14:17:10 3390

原创 nginx--共享内存使用详解

参考ngin官方模块对于共享内存的使用，可以在配置文件中对共享内存进行配置 { ngx_string("srs_request_node_zone"), NGX_HTTP_MAIN_CONF|NGX_CONF_TAKE1, ngx_http_srs_request_node_zone, 0, 0, NULL}

2016-11-09 11:04:55 7132

原创调用 inet_ntoa 程序崩溃

调用 inet_ntoa 函数产生的段错误 “Segmentation fault (core dumped)” 的原因及解决办法原因是在64位机上运行， 32位上是没问题的，只要加上头文件#include

2016-07-20 12:10:42 741

原创 c++ －－单例的实现

单例的实现有很多的坑，并不是简单的一个static的成员获取就算是单例了，下面详细叙述下它的坑。－. 懒汉模式 class singleton{ private; singleton(); public: ~singleton(); static singleton getInstance(); { static sing

2016-01-03 11:06:29 370

jiuniangyuanzikk的专栏