yangccnn-CSDN博客

原创【weekly-sharing】拉格朗日对偶和线性可分支持向量机

拉格朗日对偶和线性可分支持向量机总结拉格朗日对偶并没有改变原始问题的最优解拉格朗日对偶将支持向量机问题的不等式约束转为了等式约束在上的线性可分支持向量机问题中，原始问题求解的复杂度与特征维度（w,b）有关，而对偶问题求解的复杂度与样本数量（拉格朗日乘子α\alpha的维度）有关线性可分支持向量机其实不一定要用拉格朗日对偶的方法来改变其求解算法的复杂度，因为其输入的特征维度一般低于样本数量。但

2017-11-20 10:22:21 328

原创【weekly-sharing】反向传播算法在神经网络的应用

反向传播算法在神经网络的应用当通过神经网络输入xx，得到输出y^\hat{y}时，这些信息通过神经网络向前流动，这称之为前向传播（forward propagation）。在网络得到输出时会得到一个代价函数，允许来自代价函数的信息通过网络向后流动，来计算梯度的过程叫反向传播（back propagation）反向传播算法主要用于计算梯度基础导数描述函数变化率方向导数某个方向上的导数梯度

2017-11-05 19:12:29 932

原创【weekly-sharing】BM算法（Boyer-Moore算法）学习记录

BM算法描述BM算法即Boyer-Moore算法，是由Bob Boyer和J Strother Moore于1977年提出的，是一种非常高效的字符串搜索算法。BM算法从模式串的尾部开始匹配，最坏情况下时间复杂度为O(n*m)，n为文本串长度，m为模式串长度。the Boyer-Moore-Galil和the Turbo-BM两个算法做了进一步优化，最坏情况下达到线性。参考论文：《On improvi

2017-10-29 21:18:00 555

原创精确率召回率 F1值准确率 ROC曲线 AUC评价指标

对于二分类问题来说，经过分类器分类后一般会出现下面四种情况（假设positive表正类，negative表负类）：将正类预测为正类，记该类样本数为TP （true positive）将正类预测为负类，记该类样本数为FN （false negative）将负类预测为正类，记该类样本数为FP （false positive）将负类预测为负类，记该类样本数为TN （true negative）混

2017-09-23 16:11:26 1226

原创 pandas numpy常用函数

python pandas numpy

2017-09-19 20:34:42 1181

原创 postgreSQL常用语句

postgres postgreSQL

2017-09-18 11:53:41 1031

原创 python的nan，NaN，NAN

nan NaN NAN python

2017-09-15 16:50:06 7633 2

原创机器学习模型和算法学习随记

机器学习模型算法流程注意

2017-09-04 20:20:18 419

原创 LaTex数学公式符号整理

在博客和其他许多地方常常涉及到数学公式，每次都是用word或MathType写了在截图，总感觉很不方便，所以想学一学LaTex以方便书写，主要先把数学公式整理在这里，以便后续查阅。下面的内容基本上都是学习《一份不太简短的LATEX2ε》数学公式部分知识点的记录等，最后还是先感谢作者：Tobias Oetiker, Hubert Partl, Irene Hyna, Elisabeth Schlegl

2017-08-29 10:39:14 6096

原创希腊字母表LaTex公式整理

因为有时候用到希腊字母时总会忘了读音或拼写，所以自己整理了一份表格，分别罗列了常用希腊字母的大小写，音标以及如何用LaTex公式书写出来。详见下表：希腊字母大写小写小写公式音标（美式）备注 AA α\alpha \alpha /ˈælfə/ 大写为A，看上去是英文大写的其实就直接英文大写就行，下同 BB β\beta \beta /ˈb

2017-08-28 21:51:18 3445

原创【读书笔记】数理统计学教程（一）

自己好多数理统计和概率论的知识忘光了，打算沉下心读一读陈老师和倪老师的《数理统计学教程》，回顾以前学过的知识，学习新的知识。后面会记录每一章的知识点，自己的疑问和寻求的答案，希望自己能坚持下来。第一章基本概念样本和样本分布统计模型就是概率分布，样本分布概率论是统计的基础，统计是概率论的一种应用“总体”的概念总体：估计一个物体重量时，用天平重复称量n次，结果记为X1, X2… Xn。这就是样本

2017-08-28 10:09:54 2162 1

原创【读书笔记】数据挖掘导论（Introduction to Data Mining） 1

第二章数据2-1 数据类型如下性质来描述属性 (1) 相异性 = 和 ≠ (2) 序 <, <=, >, >= (3) 加法 (4) 乘法从而定义四种类型：标称，序数，区间，比率标称：分类的（定性的）（= 和 ≠）区分对象如id等序数：分类的（< , >）如矿石硬度等区间：定量的（+, -）值间差异有意义，如温度比率：定量的（*, /）数据集的一般特

2017-08-25 17:34:44 1720

qq_33819591的博客

原创【weekly-sharing】决策树简介