- 博客(6)
- 收藏
- 关注
RSS订阅原创 史纪
顺 不妄喜； 逆 不遑馁； 安 不奢逸； 危 不惊惧； 胸有惊雷而面如平湖者， 可拜上将军也。 大意：在顺境中，不轻狂，不沾沾自喜；在逆境中，不惶恐，不气馁；在安逸的环境中，不骄奢淫逸；在危机四伏时，仍能不害怕；胸中有万千事情，而仍然能不动声色的人必能成大事。智者千虑，必有一失； 愚者千虑，必有一得。 大意：集思广益；努力思考观之上古，验之当世， 参以人事，察盛
2017-10-13 11:51:44
331
原创 过拟合问题
过拟合定义在给定的一个假设空间HH,一个假设属于hh,如果存在其他的假设h,h^{,}，属于HH，使得在训练样例上hh的错误率比h,h^{,}小，但在整个实例分布上h,h^{,}比hh错误率小，那么说假设hh过度拟合了训练数据。 通俗一点说，就是在提升模型（上面所说的假设）在训练数据上的表现，在测试集上的表现反而变差。或者说将不仅学习到了数据的一般规律，还将非一般规律（数据的特异点或者离群点）学习
2017-10-09 17:46:02
1038
原创 特征选择概述
维基百科定义：在机器学习和统计学中，特征选择（英语：feature selection）也被称为变量选择、属性选择或变量子集选择。 它是指：为了构建模型而选择相关特征（即属性、指标）子集的过程。特征选择的目标是寻找最优特征子集。特征选择能剔除不相关(irrelevant)或冗余(redundant )的特征，从而达到减少特征个数，提高模型精确度，减少运行时间的目的。另一方面，选取出真正相关的特征简化
2017-10-09 15:39:58
1085
原创 计算机专业导论
一 思维与系统 101为什么学？计算思维，理论思维，实验思维102计算思维0和1，程序，递归 算法和系统 社会自然的计算化 计算求解的自然化 业务计算--模型--系统 语言--人到计算机--编译器 机机--协议--编解码器 数据化和网络化思维103 怎样学习这么课程？3.1 只是构建次序 社会自然现象-逻辑-二进制-电路-集成电路-计算机 在思维指导下掌握知识技能，然后通过具体的训练形成自己的能力1
2017-10-07 20:57:49
2062
转载 spark开始
第一章spark是什么相对于Hadoop Mapreduce的优点在于：速度更快，丰富的API，支持交互式查询，流式计算，机器学习，图计算等 假设：我们假设你已经有了关于数据存储的解决方案，所以不会讲到如何搭建一个数据存储系统 Spark 项目包含多个紧密集成的组件，可以像在平常软件项目中使用程序库那样，组合使用这些的组件。 认识组件： spark CoreSpark Core 实现了 Sp
2017-10-04 23:42:05
243
原创 KNN学习及实现
目录：一、KNNK紧邻算法 三个基本要素： 距离的度量 k值的选择 分类决策规则 KNN优点 简单，易于理解，易于实现，无需估计参数，无需训练 特别适合于多分类问题(multi-modal,对象具有多个类别标签)， kNN比SVM的表现要好。 适合对稀有事件进行分类 KNN缺点 该算法在分类时有个主要的不足是，当样本不平衡时，如一个类的样本容量很大，而其他类样本容量很小时，有可能导致当输入一个
2017-10-04 23:16:39
430
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人