- 博客(7)
- 收藏
- 关注
RSS订阅原创 手工实现：SVM with Stochastic Gradient Descent
手工实现：SVM with Stochastic Gradient Descent引入实际问题理论知识SVM直观认识什么是分的好？1、是不是只要都分对了就是分的好？2、是不是只要训练集分的好就是分的好？Gradient Descentcost 最小的模型Gradient Descent 是啥SGD（Stochastic Gradient Descent）实现选择结果后记Reference引入之...
2019-03-20 13:52:24
1602
原创 MNIST手写数字图像分类 - Naive Bayes Classifier
MNIST手写数字图像分类 - Naive Bayes Classifier引入实际问题MNIST介绍MNIST读取实现训练预测改进数据处理模型选择Reference引入在上一篇手写Naive Bayes分类器中，我们成功用自己写的 Naive Bayes 分类器处理了医疗记录数据。那我们的分类器能否用来处理其他类型的数据呢？答案当然是 可！ 以！ 的！在本次的实验中，我们将尝试一下处理图像数...
2019-03-19 09:38:06
2783
原创 手写Naive Bayes分类器
手写Naive Bayes分类器引入实际问题功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入哈哈哈，我又回来了，终于快...
2019-03-16 23:45:49
1525
1
原创 ISL-3.1简单线性回归
ISL-3.1简单线性回归引入重要性例子问题3.1 简单线性回归3.1.1 估计系数3.1.2 评估系数估计值的准确性3.1.3 评价模型准确性Reference引入正式介绍简单线性回归之前需要啰嗦一下线性回归的重要性，并且抛出贯穿本章的例子以及例子引发的问题。重要性虽然和其他模型一比，线性回归算不上fancy，但是线性回归模型依然是一个应用广泛并且比较有效的模型。例子本章使用的例子还...
2019-01-16 04:30:56
359
1
原创 2.3 Lab: Introduction to R
2.3 Lab: Introduction to R#ISL2.3 Lab Intro to R#2018.12.24#by Qikun################################ 2.3.1 Basic Commands ##########################x = c(1,3,2,5)#create a vector of numbers# c...
2019-01-01 13:18:21
193
原创 ISL-Chap2剩余部分笔记（回归问题、分类问题，如何衡量模型的好坏）
Chap2剩余部分笔记1.回归问题，如何衡量模型的好坏对于回归问题，可以使用MSE（mean squared error）来衡量。简单来说，就是把所有估计值和实际值的差加起来，再求个均值。MSE=1n∑i=1n(yi−f^(xi))2MSE=\frac{1}{n}\sum_{i=1}^n (y_i-\hat{f}(x_i))^2MSE=n1i=1∑n(yi−f^(xi))2通常来...
2019-01-01 06:47:37
545
原创 ISL-Chap1&2.1笔记
ISL-Chap1&2.1笔记写在前面Chap1 IntroductionChap2 Statistical Learning2.1 什么是 Statistical Learning2.1.1 Why Estimate $f$2.1.1 How Do We Estimate $f$2.1.3 The Trade-Off Between Prediction Accuracy and Mod...
2019-01-01 05:16:21
326
1
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