mitchellemin的博客

原创 CMAL程序理解

/** ******************** * Train using the dataset. ******************** */ public void train() { double[] tempInput; int[] tempTarget; int tempInstance; for (int i = 0; i < dataset.getNumQueriedInstances(); i++) { tempInstance ...

原创 day61-90

决策树：通过将决策拆成不同节点，以多叉树的方式储存，最后用这个多叉树进行决策。其优先级是首先把决定性因素尽量往前方，其次树越浅越好。adaBoosting：分别训练若干个分类器，再对若干个分类器进行加权集成。训练惩罚机制是检查估计错误的点，将这些点惩罚力度提高再进行下一轮训练。主动学习Alec：对数据集进行聚类，选择前N个进行标签查找，若该N个点值一致则认为这N点及附属点都为同属性。若存在不同结果，则将N个点中排名第一及第二的点分开分区块，重复上述步骤直到各点都被预测属性。矩阵分解：先对每个点生

原创 day89

31-40：通过矩阵进行图的连通性计算。由于图结构计算与矩阵计算方式高度一致，可直接用矩阵乘法、矩阵加法检测图的连通性。具体程序中分别计算"M^1, M^2...M^k"。图的广度优先遍历：将子节点进行遍历后，再遍历子节点的子节点。图的深度优先遍历：通过栈，将子节点、子节点的子节点依次遍历，直到底部再返回上一级查找是否有其它子节点并依次遍历。图的着色问题：首先填充-1并设当前填充点数为0；依次填入color并检查是否冲突，若冲突则进入下一层采用第一个color进行填充，直到填充点数大于等于节点

原创 day88

day1-10学习package、import、new、println、break等基础操作。学习数据基本类型：int、double、char等。对public、static、final有基本认知。进行基础运算，以及基础运算符如&&表示并集。基础结构：ifthenelse结构；boolean结构；switch结构；for循环；while循环。以不同结构求解闰年。构造矩阵，并进行矩阵加、减、乘法运算。day11-20学习指针使用方法，以及通过length=0

原创 day87

public static void main(String[] args) { LayerBuilder builder = new LayerBuilder(); // Input layer, the maps are 28*28 builder.addLayer(new CnnLayer(LayerTypeEnum.INPUT, -1, new Size(12, 3))); // Convolution output has size.

原创 day86

原创 day85

package machinelearning.cnn;import java.util.Arrays;import machinelearning.cnn.Dataset.Instance;import machinelearning.cnn.MathUtils.Operator;/** * ****************************************** * Cnn. * * @author Michelle Min MitchelleMin@163.com .

原创 day84

package machinelearning.cnn;/** * ****************************************** * One layer, support all four layer types. The code mainly initializes, gets, * and sets variables. Essentially no algorithm is implemented. * * @author Michelle Min Mitch.

原创 day83

原创 day 82

package machinelearning.ann;import machinelearning.cnn.Size;import java.io.Serializable;import java.util.Arrays;import java.util.HashSet;import java.util.Random;import java.util.Set;/** * ****************************************** * Math operati.

原创 day81

package machinelearning.cnn;import java.io.BufferedReader;import java.io.File;import java.io.FileReader;import java.io.IOException;import java.util.ArrayList;import java.util.Arrays;import java.util.List;/** * **********************************.

原创 day80

神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激活函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重。特性：1.非线性：由于权重是加权于每两个节点间的连接，因此在数学上是非线性。2.非凸性：并非收敛于特定极限。3.人类不友好： 由于神经网络通过神经元的权重和激活来表达其行为，因此很难确定其决策背后的逻辑。4.概括性不佳：经网络将在经过培训的任务上准确执行，但在其他任何方

原创 day79

package machinelearning.gui;import java.awt.*;import java.awt.event.*;import java.util.Date;import machinelearning.ann.FullAnn;/** * ****************************************** * The main entrance of Ann gui. * * @author Michelle Min MitchelleMin.

原创 day73

原创 day78

package machinelearning.gui;import java.awt.*;import java.awt.event.*;/** * ****************************************** * For the input of a double value. * * @author Michelle Min MitchelleMin@163.com * @date 2021-08-10 * ***********************.

原创 day77

package machinelearning.gui;import java.awt.event.*;/** * ****************************************** * Shut down the application according to window action or button action. * * @author Michelle Min MitchelleMin@163.com * @date 2021-08-09 * ****.

原创 day76

package machinelearning.ann;import java.util.Arrays;/** * ****************************************** * * @author Michelle Min MitchelleMin@163.com * @date 2021-08-08 * ****************************************** */public class FullAnn extends Ge.

原创 day75

package machinelearning.ann;import java.util.Arrays;import java.util.Random;/** * ****************************************** * * @author Michelle Min MitchelleMin@163.com * @date 2021-08-07 * ****************************************** */public .

原创 day74

package machinelearning.ann;/** * ****************************************** * * @author Michelle Min MitchelleMin@163.com * @date 2021-08-07 * ****************************************** */class Activator { /** * Arc tan. */ pub.

原创 day72

package machinelearning.ann;/** * ****************************************** * Back-propagation neural networks. * * @author Michelle Min MitchelleMin@163.com * @date 2021-08-04 * ****************************************** */public class SimpleA.

原创 day71

package machinelearning.ann;import java.io.FileReader;import java.util.Arrays;import java.util.Random;import weka.core.Instances;/** * ****************************************** * General ANN. Two methods are abstract: forward and backPropagati.

原创 day68

原创 day70

原创 day69

package machinelearning.recommendersystem;import java.io.*;import java.util.Random;/** * ****************************************** * Matrix factorization for recommender system. * * @author Michelle Min MitchelleMin@163.com * @date 2021-08-01 .

原创 day67

/** ******************** * Compute distanceToMaster, the distance to its master. ******************** */ public void computeDistanceToMaster() { distanceToMaster = new double[dataset.numInstances()]; masters = new i.

原创 day66

package machinelearning.activelearning;import java.io.FileReader;import java.io.IOException;import java.io.Reader;import java.util.*;import weka.core.Instances;public class Alec { /** * The whole dataset. */ Instances dataset;.

原创 day65

package machinelearning.adaBoosting;import java.io.FileReader;import weka.core.Instance;import weka.core.Instances;/** * ****************************************** * The booster which ensembles base classifiers. * * @author Michelle Min Mitchell.

原创 day64

simple classifierpackage machinelearning.adaBoosting;import java.util.Random;import weka.core.Instance;/** * ****************************************** * The super class of any classifier. * * @author Michelle Min MitchelleMin@163.com * @date

原创 day63

package machinelearning.adaBoosting;import java.io.FileReader;import java.util.Arrays;import weka.core.Instances;/** * ****************************************** * * @author Michelle Min MitchelleMin@163.com * @date 2021-07-26 * ***************.

原创 day62

/** ******************** * Build the tree recursively. ******************** */ public void buildTree() { if (pureJudge(availableInstances)) { return; }//of if if (availableInstances.length <= .

原创 day61

package machinelearning.decisiontree;import java.io.FileReader;import java.util.Arrays;import weka.core.*;/** * ****************************************** * * @author Michelle Min MitchelleMin@163.com * @date 2021-07-21 * **********************.

原创 day60

Knn输入：中心点数据，其它点数据，所需邻近点个数（k）step 1.计算各点距离将点集的各个特征值记为不同维度，计算各点与中心点的欧几里得度量，所得值记为距离。step 2.根据所需个数k，按距离将各点插入排序建立长度为k的一组有序数，判断各点距离与组内距离的大小关系，插入在大于左端小于右端的位置，若已经大于组内最右端距离，则直接略过。基于 M-distance 的推荐输入：一些用户对一些影片的评分，其中某些用户对某些影片的评分未知step 1.根据用户对不同影片的评分，划分出

原创 day59

原创 day58

package machinelearning.Bayes;import java.io.FileReader;import java.util.Arrays;import weka.core.*;/** * ****************************************** * The Naive Bayes algorithm. * * @author Michelle Min MitchelleMin@163.com * @date 2021-07-18 *.

原创 day57

// Step 2.4 Find the new center double[] tempCenterDistance = new double[tempNewCenters.length]; double[] tempNearest = new double[tempNewCenters.length]; for (int i = 0; i < tempNewCenters.length; i++) ...

原创 day56

package machinelearning.kmeans;import java.io.FileReader;import java.util.Arrays;import java.util.Random;import weka.core.Instances;/** * ****************************************** * kMeans clustering. * * @author Michelle Min MitchelleMin@163..

原创 day55

/** ************************* * Leave-one-out prediction. The predicted values are stored in predictions. ************************* */ public void leaveOneOutPredictionUsers() { double tempUserAverageRating; // Make.

原创 day54

package machinelearning.knn;/** * ****************************************** * * @author Michelle Min MitchelleMin@163.com * @date 2021-07-14 * ****************************************** */import java.io.*;public class MBR { /* Defaul.

原创 day53

1.进行权重排序 /** ******************************** * Voting using the instances. * * @param paraNeighbors The sorted indices of the neighbors. * @return The predicted label. ******************************** */ public

原创 day52

1.原程序为重复n次，并将已经输出的点筛去，以筛选出最近的n个点为了减小计算量，以插入排序将所有值排序，则可以直接在序列中选择最小的n个点 /** * ******************************* * Compute the nearest k neighbors. Select one neighbor in each scan. In * fact we can only once. You may implement it by your