拓跋宪
码龄7年
求更新 关注
提问 私信
  • 博客:20,412
    20,412
    总访问量
  • 5
    原创
  • 4
    粉丝
  • 11
    关注
IP属地以运营商信息为准,境内显示到省(区、市),境外显示到国家(地区)
IP 属地:北京市
加入CSDN时间: 2018-02-26
博客简介:

qq_41761524的博客

查看详细资料
个人成就
  • 获得5次点赞
  • 内容获得2次评论
  • 获得24次收藏
  • 博客总排名1,795,308名
创作历程
  • 6篇
    2018年

TA关注的专栏 0

TA关注的收藏夹 0

TA关注的社区 0

TA参与的活动 0

创作活动更多

新星杯·14天创作挑战营·第13期

这是一个以写作博客为目的的创作活动,旨在鼓励大学生博主们挖掘自己的创作潜能,展现自己的写作才华。如果你是一位热爱写作的、想要展现自己创作才华的小伙伴,那么,快来参加吧!我们一起发掘写作的魅力,书写出属于我们的故事。我们诚挚邀请你们参加为期14天的创作挑战赛!注: 1、参赛者可以进入活动群进行交流、互相鼓励与支持(开卷),虚竹哥会分享创作心得和涨粉心得,答疑及活动群请见:https://bbs.csdn.net/topics/619781944 【进活动群,得奖概率会更大,因为有辅导】 2、文章质量分查询:https://www.csdn.net/qc

90人参与 去参加
  • 最近
  • 文章
  • 专栏
  • 代码仓
  • 资源
  • 收藏
  • 关注/订阅/互动
更多
  • 最近

  • 文章

  • 专栏

  • 代码仓

  • 资源

  • 收藏

  • 关注/订阅/互动

  • 社区

  • 帖子

  • 问答

  • 课程

  • 视频

搜索 取消

欠拟合、过拟合总结

 一开始我们的模型往往是欠拟合的,也正是因为如此才有了优化的空间,我们需要不断的调整算法来使得模型的表达能拿更强。但是优化到了一定程度就需要解决过拟合的问题了 过拟合和欠拟合的判断首先就是我们在进行模型训练的时候会出现模型不能够很好地拟合数据的情况,这个时候就需要我们来判断究竟现在的模型是欠拟合还是过拟合首先看一下三种误差的计算方法:training error   训练误差...
原创
博文更新于 2018.08.08 ·
1525 阅读 ·
0 点赞 ·
0 评论 ·
3 收藏

损失函数总结

损失函数(loss function)是用来估量你模型的预测值f(x)与真实值Y的不一致程度,衡量模型预测的好坏。它是一个非负实值函数,通常使用L(Y, f(x))来表示,损失函数越小,模型的鲁棒性就越好。损失函数是经验风险函数的核心部分,也是结构风险函数重要组成部分。模型的结构风险函数包括了经验风险项和正则项,通常可以表示成如下式子:其中,前面的均值函数表示的是经验风险函数,L代表的...
原创
博文更新于 2018.08.08 ·
2412 阅读 ·
4 点赞 ·
0 评论 ·
4 收藏

陌陌笔试题总结 算法岗

内容:推荐算法:基于用户,基于内容,重点学习关联推荐算法:Apriori和FP-Growth欧式距离,曼哈顿距离,切比雪夫距离聚类算法:k-means银行家算法计算机网络:7层协议及功能静态路由,动态路由一面:项目介绍,特别详细,详细到我项目中的树是怎么建的,每方面怎么考虑的。算法:1。分类和聚类哪个熟悉?答分类2。分类算法中你用过哪个,详细介绍一下:结合项目介绍的朴素贝叶斯(音乐推荐系统),LG...
原创
博文更新于 2018.04.11 ·
3549 阅读 ·
0 点赞 ·
1 评论 ·
4 收藏

k-means聚类中k值与初始簇中心的选择

1.手肘法1.1 理论手肘法的核心指标是SSE(sum of the squared errors,误差平方和),其中,Ci是第i个簇,p是Ci中的样本点,mi是Ci的质心(Ci中所有样本的均值),SSE是所有样本的聚类误差,代表了聚类效果的好坏。       手肘法的核心思想是:随着聚类数k的增大,样本划分会更加精细,每个簇的聚合程度会逐渐提高,那么误差平方和SSE自然会逐渐变小。并且,当k小于...
转载
博文更新于 2018.03.22 ·
8538 阅读 ·
1 点赞 ·
1 评论 ·
16 收藏

同步异步 阻塞非阻塞 Linux网络io模型

聊聊同步、异步、阻塞与非阻塞 - 简书  https://www.jianshu.com/p/aed6067eeac9聊聊Linux 五种IO模型 - 简书  https://www.jianshu.com/p/486b0965c296socket初探https://www.jianshu.com/p/02ec5504b919聊聊IO多路复用之select、poll、epoll详解 - 简书  h...
原创
博文更新于 2018.03.01 ·
265 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

基于机器学习的办理银行贷款预测

该项目是补课班老师留的作业,比较简单,用来练手,熟悉流程适合机器学习初学者来实践#如何判断某些属性和特征与结果是否关联                #首先通过相关人员进行简单筛选,也可以通过画图和求相关系数来发现#例如,通过画age与最终贷款的柱状图,如果各个年龄下,差别不大,证明年龄关系不大,可以去掉。#某个特征如果单独来看,和最终结果关系不大,它与其他的特征组合也不会有影响,因此可以不用考虑...
原创
博文更新于 2018.02.27 ·
2553 阅读 ·
0 点赞 ·
0 评论 ·
8 收藏