机器学习
文章平均质量分 58
我为峰666
数学建模、机器学习、深度学习。
展开
-
数学工作者是如何学习的?
学习或者说是认知,其模式主要分为两类,**关联学习(认知)**和**逻辑推演学习(认知)**。这里值得注意的是,我不把纯粹的记忆事物当做一种学习来看。 **关联学习(认知)**关联学习(认知)其实就是眼下如火如荼的机器学习、深度学习的本质性思想。通过足够多的样本,然后“拟合”出事物的关联性,最后依据这种关联性对新事物做出判断,这也就是学习成果。 **逻辑推演学习(认知)** 逻辑推演学习(认知)则是数学家认识世界的方式,依据少数的几条“正确的”假设,推演出该假设体系下的世...原创 2021-04-29 13:16:54 · 258 阅读 · 4 评论 -
关于“找老婆”问题引发的深入思考
浅谈“数学家、理论计算机科学家、工程师的区别”关于“找老婆”问题引发的深入思考有一天,三个朋友一起去吃烧烤。他们分别是数学家,理论计算机科学家,计算机工程师。三个人目前均是单身,于是聊着聊着,就找老婆这件事上展开了深入的讨论。数学家第一个发言,他是这么想的。首先,要明确的是提前条件定义/可行解定义:给想要找的对象加一些条件,身高,体重,学历,性格,家庭背景,才艺,谈吐,穿着,兴趣…要满足怎...原创 2019-03-22 15:13:08 · 352 阅读 · 0 评论 -
浅谈“大数据中的优化和传统的优化的区别和联系”
一、两者本质相同都是目标+约束的优化问题。二、两者的侧重点不同传统优化,是通过优化一个精心构造的目标函数来帮我们在约束空间中找到一个好的解,最终更关心的是那个解的质量,而不是目标函数等于多少。我们只需要搞清楚这个解是不是这个目标函数的最优解, 这里如果能给出证明,证明这个解就是该目标下的最优解,那便最好,否则我们无法判断解的理论质量,只能通过实践验证这个解是否还不错,如果还行,那就是一个满意...原创 2019-03-22 13:23:18 · 1003 阅读 · 0 评论 -
算法学习阶段性心得体会——杂谈
数据建模的实现方式1:搭建数据模型2:去网上下载代码,用C++和C语言编写的算法包居多3:通过python编写数据模型调用下载的算法包4:收集训练集数据5:在训练集上训练模型的参数6:通过交叉验证法初步验证模型的有效性7:通过有刁难性的测试集或者一组未训练过的测试集测试模型的有效性8:检验模型的时间复杂度和空间复杂度9:让运行结果可视化10:通过交互性软件设计,把算法结合到一个...原创 2019-03-22 13:21:38 · 3238 阅读 · 0 评论 -
浅谈“从神经网络——迁移学习引发的一系列的思考”
神经网络——迁移学习有很长一段时间我是不太理解迁移学习的,因为感觉很莫名其妙。我们来看一下他的操作方式:1:对于训练集D1,构建神经网络A1,并进行训练。完成后,将A1的最后一层输出单元拿掉,得到A1’2:对于训练集D2,我们直接把前面训练好的A1’拿过来(训练好的参数直接固定),再添上几层神经网络节点(子网络B),我们得到神经网络A2。往往在A1’之后添加进去的网络规模较小,所以模型参...原创 2019-03-22 13:18:38 · 1863 阅读 · 5 评论 -
从最短路算法思考动态规划思想
动态规划的理论基石是最优性原理,它的思考方式采用的是递归思想,但是绝不可以直接用递归思想去实现,嵌套调用会非常非常慢。它真正的实现思路是先用递归思想逆着思考,然后用顺序实现方法顺向实现,这一点在最短路算法中已经有了非常生动直观的体现。为什么基于数据本身结构(例如图结构)的动态规划算法往往是最有效的方法?因为如果我们完全抛弃数据本身带着的结构,而把问题上升为一个抽象的数学问题,那么各个元素组合成...原创 2019-03-22 13:16:00 · 353 阅读 · 0 评论 -
浅谈“用机器学习思想反思传统教育”
训练集==课后习题集开发集==月考测试集==高考学习器==学生个体学生个体存在一些差异:比如有的人(A类)思考问题很深,但是在简单的问题上反馈稍慢;有的人(B类)在简单的问题上反应很快,但是思考的问题的深度非常浅;有的人(C类)偏文科,学理科很吃力;有的人(D类)偏理科,学文科很吃力;有的人(E类)偏工科,学理论性的东西吃力,但操作技能非常强;有的人(F类),那就那种我们称之为“大神”的物...原创 2019-03-22 13:14:48 · 325 阅读 · 0 评论 -
浅谈"如何快速成为码农"
首先选择一门语言,python, matlab, R, C++ , Java, …去网上下载对应的软件(编译器+调试器)安装对应的软件测试软件是否可以正常使用,即至少“hello world”能打印出来。是否“hello world”能打印就万事大吉了呢?对不起,远没有。当你运行一个比较大的程序时,常常会报错。就是找不到啥文件,输入字符不是有效字符等等,这就需要一个工作——对软件调用文档的...原创 2019-03-22 13:07:07 · 1548 阅读 · 0 评论 -
人工智能是个啥?我来告诉你答案!
怎么去给外行人解释人工智能? 我如果这么样来解释,应该小学生都能听得懂吧!也许我们每个人都不应该对大数据和优化建模感到陌生。小学的时候,我们经常碰到“找规律”的数学题,这也恰恰是当前大数据要做的事情,只是现在规律比较难找,肉眼是看不大出来了。小学的时候,我们还做过一种题叫“应用题”,根据已知变量推导出一个答案。有的人答案算错了,有的人答案算对了但时间长得离谱,有的人答案算得又快又对。运筹学...原创 2019-03-21 09:37:23 · 2367 阅读 · 0 评论 -
浅谈“漫画与高科技的关联性思考”
虽然日本军国主义者很令人讨厌。但是每每看到日本学者、听到日本学者做的学术报告,都会由衷地感叹:确实很有实力。最近在看日本东京大学教授杉山将写的《图解机器学习》,帮我解决了很多留在脑子的问题。数学是一门比较灰晦涩难懂的学科,她来源于应用,之后又通过独立发展远远走在应用的前头。目前,数学的分支已经多得吓人。为了方便讨论,我们也还可以将其简单地分为纯粹数学和应用数学,其中纯粹数学立足于抽象理论的“美学...原创 2019-03-21 09:36:15 · 1703 阅读 · 3 评论 -
浅谈“大数据”与“航空配餐大数据”
2016年,当AlphaGo成功击败韩国职业九段棋手李世石时,人们就开始相信大数据不是无中生有的噱头,而是人类又一项伟大发明。到目前为止,大数据产品已经数不胜数,它改变着人们的思维方式、生活方式和生活习惯。那么什么是大数据?航食业应该如何赶上大数据的发展呢?原创 2019-03-20 19:19:25 · 740 阅读 · 0 评论 -
浅谈“数学证明”
从小到大,对于学数学这件事可谓是爱恨交加,心中不断萌生出的问题也有时候让自己很迷茫。为什么要学数学?为什么要学数学证明?就算在计算机时代为啥还要练习运算能力?为什么要学现代分析这类抽象性的数学?…本人不是数学高手,学习数学多年(本科硕士均是数学),也只是学到一点皮毛。主要原因是沉不下心来,没有动力。数学这种东西特别依赖基础,环环相扣,前期的松懈和不努力,导致沙盘太小,注定你的“知识沙堆”垒不高...原创 2019-03-20 19:08:56 · 1355 阅读 · 0 评论 -
浅谈“数据”、“数据结构/数据关系”、“模型”及“算法”
大数据时代的我们,似乎总觉得任何数据中都能挖到宝贝。有的人根本不懂什么是大数据,但是为了鼓吹自己的产品好,硬着头皮也得往自己的产品上贴上“大数据”标签。随便求个“均值”、“方差”、“中位数”,就称采用了大数据技术做了数据分析,然后也一本正经地展示几张雷达图,柱状图。我甚至听过只有中学文凭的一线员工在大会上报告如何用大数据技术分析其在业务上的问题,向领导展示一张张雷达图中隐含的数学规律。也从侧面看出...原创 2019-03-20 19:05:55 · 1564 阅读 · 0 评论 -
浅谈“如何快速上手做研究?”
下面我来说一下,写学术论文八步走怎么走?一、找方向首先要考虑一下自己的基础是否可以较快速地进入这个领域\这个方向。进入一个方向肯定是要学习很多新的东西,如果之前的基础和研究方向与该方向关联较大,则进入该领域的难度会低一些,反之会高一些。时间就是金钱,难度过高的话,则会耗费大量的时间和精力,有点不合算就是了。二、找问题一个方向/领域中有很多经典问题,如果这个方向/领域还比较新的话(处于一个快...原创 2019-03-20 19:03:20 · 415 阅读 · 2 评论 -
浅谈“如何研读算法类文章”
人们为什么会想到设计算法?或者设计“更好”的算法?首先,这位算法工作者一定是看到求解某个数学模型的算法存在的弊端,实际当中有些数学模型的求解直接用的是最暴力的枚举,这是“零算法”思想的粗鲁的问题求解方式。怎么去评估别人的算法的好坏?每个算法都有自己的核心设计思路,例如:贪心思想,动态规划思想,启发式思想,连续松弛思想,近似算法(因为原有算法在时间复杂度和空间复杂度不能达到实际应用需求,那就要...原创 2019-03-20 18:58:16 · 627 阅读 · 0 评论