Improving Deep Neural Networks:Initialization and Regularization 不同的初始化策略会导致不同的结果随机初始化参数是为了打破神经网络的平衡并确保不同的隐藏单元可以学习不同的函数通常情况下不会把参数初始化得太大He初始化适用于以ReLU函数为激活函数的神经网络。......
基于Neural Networks and Deep Learning的学习总结 神经网络通常包含三个部分：输入层，隐藏层，输出层。输入层（Input layer）通常是维度为[n_x,n]的向量。其中n_x表示特制的个数，n表示样本个数。隐藏层（Hidden layer）tip：编程实现时通常用list"layers_dims[l_1,l_2,…,l_n]"来描述神经网络的模型结构，len(layers_dims) 即为模型的深度，layers_dims[n]即为第n层隐藏层中包含的神经元个数。可以将其类比为“黑盒子”，由许多个神经元堆叠在一起组成。...
剑指offer：斐波那契数列（入门） //个人acclass Solution {public: int Fibonacci(int n) { if(n==0){ return n; }else if(n==1||n==2){ return 1; }else{ int a=1; int a2=1; int sum=0; for(int i=3.
关于PTA数据结构与算法题目集（中文）6-12 二叉搜索树的操作集,有些小疑惑 关于Delete函数的实现，有些小疑惑这是AC代码：BinTree Delete( BinTree BST, ElementType x ){ if(!BST){ printf("Not Found"); } else { if(x<BST->Data)BST->Left=Delete(BST->Left,x); else if(x>BST->Data)BST->Right=Delet
整理一下第一次参加华为大数据挑战赛自己的一些收获吧（正式赛篇阶段二） 写在前面emmm，这篇文章就整理一下我处理正式赛题阶段一（读取数据的方式是分块读取，保存为三个csv文件）的过程吧赛题介绍：正式赛题——船运到达时间预测在企业全球化业务体系中，海运物流作为其最重要的一项支撑。其中，船运公司会和数据供应公司进行合作，对运输用的船通过GPS进行定位以监控船的位置；在运输管理的过程中，货物到达目的港的时间是非常重要的一项数据，那么需要通过船运的历史数据构建模型，对目的港到达时间进行预测，预测时间简称为ETA（estimated time of arrival），目的港到达
整理一下第一次参加华为大数据挑战赛自己的一些收获吧（正式赛篇阶段一） 这块大概分三步走：1.特征筛选贴一下特征筛选的函数吧（参考大树先生的博客）：def get_top_n_features(train_data_X, train_data_Y, top_n_features):#训练集特征：train_data_X，训练集label：train_data_Y，限定特征个数：top_n_features # random forest rf_est = RandomForestClassifier(random_state=0) rf_pa
整理一下第一次参加华为大数据挑战赛自己的一些收获吧（热身赛篇） 去年九月份（应该是上一届比赛结束的时候吧），学校（那时）研一的学长简单讲了这个比赛，但是觉得机器学习很高大上很牛的感觉，听说了这个比赛当时就决定冲一冲，拿不拿奖是其次了，多少能学点东西吧哈哈哈哈~当时是根据学长的建议入门的，边看吴恩达的机器学习入门边稍微看了点廖雪峰的python就开始做学生成绩预测以及泰坦尼克生存预测了（进程和线程那块没看，还是偷懒了）。刚开始学还是很痛苦的，那时候疫情在家，身边也找不到一起入门学习打比赛的同学，就自己一个人硬啃。对着视频一行行敲代码，然后运行调试，查一个个函数的用法，
关注
