- 博客(10)
- 收藏
- 关注
RSS订阅原创 ROS generate_messages_cpp 编译报错解决
ROS generate_messages_cpp 编译报错解决正在学习ROS下的 c++ 与 python 联合编程的知识，在编译cpp文件时有报错，以下过程记录：在参考→文章1←进行配置时，已经完成了cpp与py的插入，进行catkin_make步骤时有报错，报错内容如下：CMake Error at my_pkg/CMakeLists.txt:27 (add_dependencies): The dependency target "my_pkg_generate_messages_cp
2021-06-16 19:01:34
3178
1
原创 MFC-error C2589: “(”:“::”右边的非法标记
MFC-error C2589: “(”:“::”右边的非法标记错误信息出错语句问题原因解决办法错误信息① 错误 C2589 “(”:“::”右边的非法标记② 错误 C2059 语法错误:“)”出错语句 inline double getFitnessScore (double max_range = std::numeric_limits<double>::max());其中的std::numeric_limits<double>::max
2021-02-05 00:45:32
1268
原创 【统计学习方法】决策树
【深度之眼 统计学习方法 训练营第6期】决策树决策树概念简述决策树概念简述这个模型的评估方式，在我理解就好像答题，比如你去银行贷款，工作人员问你，有房吗，有车吗，有工作吗，然后再根据年龄、信贷情况等，决定是否要发放贷款给你。那么先问什么再问什么，问到哪就可以决定拒绝放贷，问到哪就同意放贷，这个就是决策树模型要做的工作了。首先是要决定先问什么，这个涉及到的概念叫做熵和条件熵，描述的是数据的...
2019-11-23 20:04:14
259
原创 【统计学习方法】朴素贝叶斯法
【深度之眼 统计学习方法 训练营第6期】朴素贝叶斯法朴素贝叶斯概念简述朴素贝叶斯概念简述对于这个模型，大概是书中最开始讲过的极大似然估计和贝叶斯估计的应用了，这个模型是用来进行分类的，还是举课上的例子，如果有一批学生的数据，标签内容分别是：1.来自不同生源地，2.是否上重点中学。结果只有考上和没考上，要根据这...
2019-11-10 19:37:08
450
原创 吴恩达ML笔记-ex.4-反向传播算法
吴恩达ML笔记-ex.4-反向传播算法Exercise 4: Back-propagation任务列表具体实现1.Compute Feed-forward Cost (nnCostFunction.m)2. Sigmoid Gradient (sigmoidGradient.m)3. Implement Back-propagation & Regularization (nnCostFu...
2019-11-09 20:03:40
353
原创 【统计学习方法】K近邻法
【深度之眼 统计学习方法 训练营第6期】K近邻法K近邻法概念简述K值选择分类决策规则K近邻法实现：Kd树kd树简述用kd树的最邻近搜索程序实现自编程实现sklearn实现K近邻法概念简述训练一个KNN模型，简单来说就是对于一个新的输入点，其周围最近的（如欧氏距离）K个点，哪种点最多，这个新输入点就被定义为哪种点。其数学表示如下：而对于上述的最近距离的度量方式，有以下几种：通常来说，...
2019-11-04 21:02:42
502
原创 吴恩达ML笔记-ex.3-神经网络
吴恩达ML笔记-ex.3-神经网络Exercise 3.1: One-vs-all任务列表具体实现1. Vectorize Logistic Regression (lrCostFunction.m)2. One-vs-All Training (oneVsAll.m)3. Predict for One-Vs-All (predictOneVsAll.m)Exercise 3.2: Neural...
2019-10-31 22:10:23
468
原创 吴恩达ML笔记-ex.2-逻辑回归
吴恩达ML笔记-ex.2-逻辑回归Exercise 2: Logistic Regression任务列表具体实现1. Plotting (plotData.m)2.Compute Cost and Gradient(sigmoid.m & costFunction.m)Exercise 2: Logistic Regression任务列表Part 1: PlottingPart 2...
2019-10-29 14:57:47
407
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