- 博客(19)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 【Go】错误和异常处理
Go语言中没有try catch语句，而是通过函数返回值逐层往上抛。错误指的是可能出现问题的地方出现了问题。例如：打开一个文件时失败了，这种情况在人们的意料之中。异常指的是不应该出现问题的地方出现了问题。例如：引用了空指针，这种情况是在人们的意料之外。错误是业务过程中的一部分，而异常不是。Go语言引入了内置的error类型表示错误，错误值可以存储在变量中，从函数中返回，error也可以看成...
2020-03-31 13:29:37
422
原创 【Go】结构体
注 个人笔记，暂无做解释性介绍。1 结构体基本内容package mainimport "fmt"/**结构存储不同类型的数据 */func main(){ // 1.创建结构体 // 方法1 var p1 Person fmt.Println(p1) // 通过.操作访问结构体的属性 p1.name = "菊子皮" p1.age = 26 p1.sex = ...
2020-03-29 16:29:09
253
原创 【Go】指针
1 go语言中指针基本内容package mainimport "fmt"/**指针是存储另一个变量内存地址的变量*/func main() { // 1.定义一个int类型变量 a := 5 fmt.Println("a的数值：", a) fmt.Printf("a的类型：%T\n", a) fmt.Printf("a的地址：%p\n", &a) // 2....
2020-03-29 15:10:05
298
原创 【Go】Map使用
1 map的基本使用package mainimport ( "fmt" "sort")/*map 是 Go中的内置数据类型，- key-value形式，无序（集合），不可通过索引获取，- 长度不定- 引用类型- 内置len函数可获取map中key-value的个数*/func main() { // 1. 创建map var map1 map[int]strin...
2020-03-29 11:16:26
249
原创 【Go】生成随机数random
官方文档地址：https://golang.google.cn/pkg/math/rand/代码案例如下:1. 获取整数的随机package mainimport ( "fmt" "math/rand" "time")func main() { num1 := rand.Int() // 返回非负伪随机int类型数据 fmt.Println(num1) for i :=...
2020-03-29 09:09:36
2697
原创 【机器学习】kmeans聚类以及kmeans应用——图片压缩 案例
kmeans算法讲解视频： 彻底搞定机器学习算法理论与实战——聚类(Clustering) 视频源连接：https://www.bilibili.com/video/BV167411m7ao/本文件算法将实现Python简单实现K-means聚类算法，然后进行两个案例：对...
2020-03-26 21:47:13
2595
原创 【Python】Python中的迭代器和生成器
迭代器和生成器在很多编程语言中都会以不同形式的存在，在实际编程中经常会被用到。下面我们来了解一下什么是迭代。1 迭代了解Java的AIAS行者(AI行者是我B站粉丝勋章名称)应该都会知道，在Java中，可以通过List集合的下标来遍历List的元素。在Python中，对于可迭代对象，如list、tuple等，可以通过for循环遍历，也可以使用下标遍历，这种遍历一个“容器”中元素的过程，就叫做迭...
2020-03-25 17:26:49
654
2
原创 【数学理论】最优化问题:拉格朗日乘子法、KKT条件以及对偶问题
最优化问题求解f(x)f(x)f(x)最小值是的x∗x^*x∗minxf(x)\mathop {\min }\limits_x f(x)xminf(x)无约束时，通过求导的方式解决。约束条件(s.t.\text {s.t.}s.t.)有两种：等式约束：hi(x)=0,i=1,2,3,…,mh_{i}(x)=0 , i=1,2,3, \ldots, mhi(x)=0,i=1...
2020-03-24 09:09:46
1641
原创 【机器学习】机器学习系统设计 以线性回归为例
之前写过一个【机器学习】机器学习系统设计理论性的内容，这节使用线性回归的例子来看看如何优化一个机器学习模型，也就是机器学习中的偏差和方差问题。视频讲解： 彻底搞定机器学习算法理论与实战——机器学习的建议和系统设计 视频链接：https://www.bilibili.com/v...
2020-03-22 10:23:23
671
原创 【Python】编程代码书写规范！
程序不仅仅是给机器看的，自己在回顾的时候也会查看。如果在团队开发中，规范的编程习惯以及优良的注释会大大地提高团队的开发效率。现在来看看Python中有哪些编程规范。1 编码无特殊情况，建议Python脚本程序一律使用 UTF-8 编码，并且在文件头部必须加入#-*-coding:utf-8-*-标识，声明文件编码方式，程序文件编码要和声明编码保持一致。2 代码格式缩进： 统一使用 4 个空...
2020-03-20 20:00:20
1536
原创 【机器学习】机器学习系统设计
如果准备研究机器学习的东西，或者构造机器学习应用程序，最好的实践方法不是建立一个非常复杂的系统，拥有多么复杂的变量；而是构建一个简单的算法，这样可以很快地实现它。 即便运行得不完美，但是也把它运行一遍，最后通过交叉验证来检验数据。做完后，可以画出学习曲线，通过画出学习曲线，以及检验误差，来找出算法是否有高偏差和高方差的问题，或者别的问题。在这样分析之后，再来决定用更多的数据训练，或者加入更多的特征...
2020-03-19 21:14:35
474
原创 【机器学习】模型优化改进建议
改进机器学习算法模型的方法有很多例如：获得更多的训练样本——通常是有效的，但代价较大，下面的方法也可能有效。减少特征的数量获得更多的特征增加多项式特征减少正则化程度增加正则化程度但是，我们不应该随机选择上面的某种方法来改进算法，而是运用一些机器学习诊断法来帮助了解上面哪些方法对我们的算法是有效的。评估一个假设...
2020-03-19 14:06:02
6780
原创 【机器学习】吴恩达机器学习视频作业-（手撕）神经网络
在这里使用前馈神经网络和反向传播的方式对数据进行分类。这也是神经网络最基础的部分，刚了解相关内人的话，还是比较难的，特别是在公式推导中。在本部分中，构建一个神经网络分类模型，就可以对手写数字进行识别，无需构建多个二分类模型。视频讲解： 彻底搞定机器学习算法理论与实战——神经网络入门-NeuralNetworks...
2020-03-18 23:20:28
817
原创 【机器学习】吴恩达机器学习视频作业-逻辑回归多分类
使用逻辑回归进行二分类案例：【机器学习】吴恩达机器学习视频作业-逻辑回归二分类 1【机器学习】吴恩达机器学习视频作业-逻辑回归二分类 II视频讲解如下： 彻底搞定机器学习算法理论与实战——逻辑回归-Logistic Regression 视频原地址：https://www...
2020-03-16 21:03:04
512
原创 【机器学习】吴恩达机器学习视频作业-逻辑回归二分类 II
视频讲解如下： 彻底搞定机器学习算法理论与实战——逻辑回归-Logistic Regression 视频地址：https://www.bilibili.com/video/av95806420/二分类类型2本文件的程序是基于吴恩达机器学习视频逻辑回归的作业，使用正则化的逻辑...
2020-03-14 22:58:01
720
原创 【机器学习】吴恩达机器学习视频作业-逻辑回归二分类 I
视频讲解如下： 彻底搞定机器学习算法理论与实战——逻辑回归-Logistic Regression 视频地址：https://www.bilibili.com/video/av95806420/二分类类型1本文件的程序是基于吴恩达机器学习视频逻辑回归的作业，使用的数据是ex...
2020-03-14 22:13:56
712
原创 [AI 基础] Pandas使用总结
前言Pandas是机器学习三剑客之一，我们知道Numpy能够对数据进行很好的分析、操作、矩阵计算等，Pandas更侧重于数据的处理和分析，它的底层是使用Numpy实现的，在数据处理和分析方面提供了强大的功能。下面就总结一下日常使用操作。程序运行环境：window10 Python3.7 (Anaconda) Pandas 1.0.1编辑工具：jupyter在日常数据分析中，经常使用的是CS...
2020-03-13 23:10:51
877
原创 【机器学习】吴恩达机器学习视频作业-线性回归
前言机器学习，很多人都想入门，但是总感觉自己基础太薄弱，数学难，难入上青天，其实有大学的数学基础，然后肯花时间，慢慢入门，再到人们常说的“精通”是可以的，主要看你的目标在哪？如果是一个掉包侠，了解相关参数，及这些参数的作用就行了，如果多想一步，为什么，它们的优点在哪？它们的缺点在哪，我该如何优化，如何改进？那么就需要花费一些时间，要有一定的阅读国外文献能力(也就是英语阅读)，了解前言的技术，要有...
2020-03-12 21:19:36
442
原创 [AI 基础]Numpy日常使用总结
前言想了解 Numpy 的人基本上都是要和数据打交道的，不仅 Numpy 对数据操作的方法多，并且 Numpy 底层也是使用 C 去实现了，也就是说其速度是相当快的，当然这也体现了 Python 胶水语言的特性了。Numpy 也被称为机器学习三剑客之一，当然另外的就是 Pandas 和 Matplotlib 了，虽然当前有诸如 scikit-learn 机器学习包以及 Pytorch、Tenso...
2020-03-07 22:54:19
784
2
latex代码显示文档.zip
2020-02-29
常用6722个繁体简体mysql数据库
2018-11-25
用java调用python
2018-03-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人