散修炼丹师手记

简介：ROC曲线和PR曲线是机器学习中两个常见的评估指标（对于二分器而言），做个笔记…原理：在二分类问题中，分类器将一个实例的分类标记为是或否，这可以用一个混淆矩阵来表示。混淆矩阵有四个分类，如下表：TP（True Positive）：指正确分类的正样本数，即预测为正样本，实际也是正样本。FP（False Positive）：指被错误的标记为正样本的负样本数，即实际为负样本而被预测为正样本，所以是False。TN（True Negative）：指正确分类的负样本数，即预测为负样本，实际也是负样

关于过拟合、欠拟合，虽然知道这两个概念的意思，但是要准确的表达这个含义还是有点小困难，并且好记性不如烂笔头，所以写个博客，让大家温故而知新。

深度神经网络中，我们很容易听到两个词语：梯度爆炸、梯度消失。那么为什么我们训练模型的时候，会发生这些现象呢？我们该怎么避免呢？

关于Batch Normalization的白话理解和算法流程之超详细笔记整理。

面试的时候SVM基本必问了，做个笔记方便以后回忆

排序算法看多少遍忘多少遍…所以干脆记下来算了。为了方便更清晰的认识，先看一张图：一、冒泡排序。比较相邻元素。如果第一个比第二个大，就交换。从第一对开始遍历，第一轮结束后，最末的元素是最大的数。剩下的元素重复以上步骤。输入为正序时最快O(n)，输入为反序时最慢O(n×n)。python实现：def bubbleSort(a): for i in range(1, len(a...

好记性不如烂笔头：train loss 下降⬇，val loss下降⬇，说明网络仍在学习；~~ 奈斯，继续训练train loss 下降⬇，val loss上升⬆，说明网络开始过拟合了；~~ 赶紧停止吧，然后数据增强、正则train loss 不变，val loss不变，说明学习遇到瓶颈；~~ 调小学习率或批量数目train loss 不变，val loss下降⬇，说明数据集100%有问题；~~ 检查数据集标注有没有问题train loss 上升⬆，val loss上升⬆，说明网络结构设计不当，

简介：之前做超声的时候第一次接触带dicom后缀的图像文件，于是记录一下有关医学影像的学习笔记。DICOM（Digital Imaging and Communications in Medicine）即医学数字成像和通信，是医学图像和相关信息的国际标准（ISO 12052）。它被广泛应用于放射医疗，心血管成像以及放射诊疗诊断设备（X射线，CT，核磁共振，超声等），并且在眼科和牙科等其它医学领域得到越来越深入广泛的应用。DICOM文件：医学图像设备生成 DICOM 文件，医生使用 DICOM 阅读器