loserChen的博客

原创 mybatis基础知识记录2

课程复习一对一查询上面的id对应的应该是propertyresultType：使用resultType实现较为简单，如果pojo中没有包括查询出来的列名，需要增加列名对应的属性，即可完成映射如果没有查询结果的特殊要求建议使用resultTyperesultMap：需要单独定义resultMap，实现有点麻烦，如果对查询结果有特殊要求，使用resultMap可以完成将关联查询映射...

原创 神经网络调参大师必知的炼丹细则

原创 Cousera吴恩达机器学习week8笔记

photo OCRSliding WindowsGetting Lots of Data and Artificial DataCeiling Analysis: What Part of the Pipeline to Work on Next

原创 Cousera吴恩达机器学习week7笔记

Stochastic Gradient Descent随机梯度下降每次只对一个数据进行计算，相对传统的批处理梯度下降运行速度更快一些。Mini-Batch Gradient DescentStochastic Gradient Descent Convergence虽然不断减小alpha的值有助于我们找到全局最小，但是这个会让工作量增加，而且找到最小的范围已经满足我们的需要了，...

原创 Cousera吴恩达机器学习week6笔记

Density EstimationGaussian Distribution他的图像如下：以均值为中心，方差为宽度。有了均值与方差的计算方法，就有了参数估计这一名词。就是：给你了一些样本值，你可以求出他们的均值与方差，然后用这两个参数估计总体样本的分布。第二个比较重要的数学知识就是独立分布的概率，等于概率的乘积。AlgorithmBuilding an Anomaly Det...

原创 Cousera吴恩达机器学习week5笔记

ClusteringK-Means AlgorithmK均值(K-means)算法是一个广泛使用的用于簇划分的算法。下面说明K均值算法的步骤：随机初始化K个样本(点)，称之为簇中心(cluster centroids)；簇分配: 对于所有的样本，将其分配给离它最近的簇中心；移动簇中心：对于每一个簇，计算属于该簇的所有样本的平均值，移动簇中心到平均值处；重复步骤2和3，直到找到我们想要...

原创 Coursera吴恩达机器学习week4笔记

Large Margin ClassificationOptimization Objectivesvm：Large margin intuitionMathematics Behind Large Margin ClassificationKernelsKernels1定义决策边界对应的函数是Θ0+Θ1f1+Θ2f2+Θ3f3，其中f1、f2和f3就是相似度函数。下图给定...

原创 Coursera吴恩达机器学习week3笔记

Evaluating learning algorithmEvaluating a HypothesisOnce we have done some trouble shooting for errors in our predictions by:Getting more training examples：Fixes high varianceTrying smaller sets ...

原创 Coursera吴恩达机器学习week2笔记

Neural Networkdendrites树突，属于输入axon轴突，属于输出模型中x0为bias unit，偏差单元，总等于1In neural networks, we use the same logistic function as in classification, 1/（1+e（−θTx））, yet we sometimes call it a sigmoid (log...

原创 Coursera吴恩达机器学习week1笔记

What is Machine Learning?Arthur Samuel described it as: “the field of study that gives computers the ability to learn without being explicitly programmed.” This is an older, informal definition.Tom ...