- 博客(38)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 大二上学期数据结构课程设计
1、报数问题问题描述：有n个小朋友围成一圈玩游戏，小朋友从1至n编号，2号小朋友坐在1号小朋友的顺时针方向，3号小朋友坐在2号小朋友的顺时针方向，……，1号小朋友坐在n号小朋友的顺时针方向。 游戏开始，从1号小朋友开始顺时针报数，接下来每个小朋友的报数是上一个小朋友报的数加1。若一个小朋友报的数为k的倍数或其末位数（即数的个位）为k，则该小朋友被淘汰出局，不再参加以后的报数。当游戏中只剩下一个小朋友时，该小朋友获胜。 例如，当n=5, k=2时： 1号小朋友报数1； 2号小朋友报数2淘汰；
2021-01-11 18:22:29
1089
3
原创 非递归中序，后序，先序遍历二叉树完整代码（用链式栈实现）
后序遍历：#include <iostream>#include <bits/stdc++.h>using namespace std;typedef struct BiNode{ char ch; struct BiNode *lchild,*rchild; int tag;}BiNode,*BiTree;typedef struct Stack{ BiTree stack; struct Stack *next;}Stac
2020-11-21 23:40:38
547
2
原创 目标检测入门
什么是目标检测目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示出每个目标的位置。为了解决这个问题，结合图片分类任务取得的成功经验，我们可以将目标检测任务进行拆分。假设我们现在有某种方式可以在输入图片上生成一系列可能包含物体的区域，这些区域称为候选区域，在一张图上可以生成很多个候选区域。然后对每个候选区域，可以把它单独当成一幅图像来看待，使用图像分类模型对它进行分类，看它属于哪个类别或者背景（即不包含任何物体的类别）。如图，我们可以使用穷举法来产生
2020-08-21 22:35:52
1106
原创 深度学习笔记——生成模型
什么是生成模型生成模型可以描述一个生成数据的模型，属于一种概率模型。通过这个模型我们可生成不包含在训练数据集中的新的数据。每次生成模型要输出不同的内容。如果说某些特定的图片服从某些概率分布，生成模型就是尽可能的去模仿这个概率分布产生新的图像。生成模型和判别模型的区别判别模型可以简单的理解为分类生成模型的数据集是没有和判别模型类似的lable的（即标记信息，生成模型也是可以有标签的，生成模型可以根据标签去生成相应类别的图像）,生成模型像是一种非监督学习，而判别模型是一种监督学习。数学表示：
2020-08-19 21:44:03
1801
原创 深度学习笔记——循环神经网络RNN/LSTM
原文来自知乎专栏NLP进阶之路，作者韦伟。以下文章是摘录了原文部分内容的学习笔记，侵删。循环神经网络（Rerrent Neural Network)RNN是神经网络的一种，RNN对具有序列特性的数据非常有效，它能挖掘数据中的时序信息以及语义信息。其中，序列特性包括时间顺序，逻辑顺序等其他顺序。例如：I like eating apple ! / The Apple is a great company !如果要给apple打Label，那么第一个apple是一种水果，第二个apple是苹果公司
2020-08-18 17:54:10
684
转载 keras学习笔记
核心数据结构keras的核心数据结构是model，一种组织网络层的方式。最简单的模型是Sequential顺序模型，它由多个网络层线性堆叠。对于更复杂的结构，应该使用Keras函数式API，它允许构建任意的神经网络图。Sequential顺序模型from keras.models import Sequentialmodel=Sequential()可以简单的使用**.add()**来堆叠模型from keras.layers import Densemodel.add(Dense(unit
2020-08-17 20:47:50
159
原创 深度学习——卷积神经网络CNN
这两天看了不少讲卷积神经网络的文章和视频，由于我本人才疏学浅，在学习过程中基本上是一头雾水，导致的结果就是不过幸好，在快要绝望的时候，我在知乎上发现了一篇宝藏文章卷积神经网络CNN完全指南终极版这篇文章非常通俗易懂，用“说人话”的方法讲解了卷积神经网络，虽然有一些小错误，但是整体上非常适合新手小白，我的这篇博客只是进行了一些补充，理解以下内容的前提是已经读懂了以上推荐的文章。卷积层首先，大多数输入图像都有3个RGB通道，我们可以把不同通道看成观察图片的不同视角，不同的视角或许会忽略某些特征，但也一定
2020-08-17 01:23:08
218
原创 cs231n作业1——knn
导入数据import randomimport numpy as npfrom cs231n.data_utils import load_CIFAR10import matplotlib.pyplot as plt# This is a bit of magic to make matplotlib figures appear inline in the notebook# rather than in a new window.%matplotlib inlineplt.rcPar
2020-08-15 23:10:54
508
原创 sklearn总结
线性回归一元一次import numpy as npimport matplotlib.pyplot as pltfrom sklearn.linear_model import LinearRegressionX=np.linspace(2,10,20)X.shape=20,1# f(x)=wx+by=np.random.randint(1,6,size=1)*X+np.random.randint(-5,5,size=1)#随机生成数据X和y,其中w和b也是随机的# 加噪声y=y+n
2020-08-13 15:58:46
228
原创 机器学习第六回——降维+异常检测
降维目的数据压缩。从而使用较少的计算机内存或磁盘空间，并且让我们加快我们的学习算法。例如：从二维降到一维数据可视化。由于多为（例如50维）的数据是不可以进行可视化的，利用降维的方法把它降到2维或3维，就可以可视化了。这样做的问题在于，降维的算法只负责减少维数，新产生的特征的意义就必须由我们自己去发现了。PCA算法在 PCA 中，我们要做的是找到一个方向向量（Vector direction），当我们把所有的数据都投射到该向量上时，我们希望投射平均均方误差能尽可能地小。步骤：均
2020-08-10 18:59:23
972
原创 sklearn一般流程
sklearn机器学习的一般流程为：数据获取——>数据预处理——>模型训练——>模型评估——>模型优化——>模型持久化数据获取可导入内部数据集，计算机生成的数据集，网络上的数据集，文件中的数据集等。...
2020-08-08 22:34:38
995
原创 机器学习第六回-无监督学习—— K-均值算法
K-Means算法过程K-均值是最普及的聚类算法，算法接受一个未标记的数据集，然后将数据聚类成不同的组。K-均值是一个迭代算法，假设我们想要将数据聚类成 n 个组，其流程为：选择????个随机的点，称为聚类中心（cluster centroids）对于数据集中的每一个数据，按照距离????个中心点的距离，将其与距离最近的中心点关联起来，与同一个中心点关联的所有点聚成一类。计算每一个组的平均值，将该组所关联的中心点移动到平均值的位置。重复步骤 2-4 直至中心点不再变化。示例：随机选取聚
2020-08-07 20:01:30
333
原创 吴恩达机器学习第五回——支持向量机
认识SVM通过逻辑回归引入SVM回顾逻辑回归：在SVM中对代价函数进行改变 ：图像中的红色曲线cost函数代替了原来的log函数，并且将正则化部分的λ变为C，对应的代价函数变为：对比于逻辑回归输出的是y=1的概率，支持向量机所做的是它来直接预测????的值等于 1，还是等于 0。大间距分类器SVM模型假设为：通过把????设置成非常大的常数来给我们一些关于支持向量机模型的直观感受。如果 ????非常大，则最小化代价函数的时候，我们将会很希望找到一个使第一项为 0 的最优解。当??
2020-08-06 19:43:46
279
原创 matplotlib数据可视化实战——饼状图+雷达图+三维图
今天又学习了两种新的图形绘制方法，并且学会了全局设置中文字体的方法。全局中文字体设置plt.rcParams['font.family'] = 'sans-serif'plt.rcParams['font.sans-serif'] = 'SimHei'#SimHei是一种中文字体如果显示出来是一些小方块而不是中文，那是因为在matplotlib的配置文件下没有找到合适的中文字体解决方法如下：1.在C:\Users\ht\Anaconda3\Lib\site-packages\matplotli
2020-08-05 21:44:07
1033
1
原创 matplotlib数据可视化实战——折线图+散点图
今天通过几个实践样例学习了使用matplotlib绘制图像。过程中出现了很多问题，但是都通过查阅资料一一解决了。最后看到绘制好的图像弹出来以后，内心还是有点小激动。字体调用问题：1.导入数据库from matplotlib.font_manager import FontProperties2.调用本机字体库myfont=fm.FontProperties(fname=r'C:\Windows\Fonts\simfang.ttf',size=12)#通常在C:\Windows\Fonts下可以
2020-08-04 18:49:40
1394
原创 吴恩达机器学习作业二——逻辑回归
有了作业一的铺垫，作业二的代码更容易理解了。逻辑回归题目描述：在训练的初始阶段，我们将要构建一个逻辑回归模型来预测，某个学生是否被大学录取。设想你是大学相关部分的管理者，想通过申请学生两次测试的评分，来决定他们是否被录取。现在你拥有之前申请学生的可以用于训练逻辑回归的训练样本集。对于每一个训练样本，你有他们两次测试的评分和最后是被录取的结果。为了完成这个预测任务，我们准备构建一个可以基于两次测试评分来评估录取可能性的分类模型。导入数据库import numpy as npimport pandas
2020-08-02 22:57:52
1523
原创 numpy数组与矩阵运算
numpy数组及其运算创建数组import numpy as npnp.array([1,2,3,4,5]) #把列表转换为数组np.array((1,2,3,4,5)) #把元组转化成数组np.array(range(5))#把range对象转换成数组np.array([[1,2,3],[4,5,6]])#二维数组np.arange(8) #类似于range函数np.arange(1,10,2) #等差数组，1到10，相邻两个数字之间相差2np.linspace(0,10,11) #0
2020-08-02 15:30:37
667
原创 机器学习第四回——神经网络
认识神经网络模型表示一神经网络模型建立在很多神经元之上，每一个神经元又是一个个学习模型。这些神经元（也叫激活单元，activation unit）采纳一些特征作为输出，并且根据本身的模型提供一个输出。我们设计出了类似于神经元的神经网络，效果如下：其中????1, ????2, ????3是输入单元（input units），我们将原始数据输入给它们。????1, ????2, ????3是中间单元，它们负责将数据进行处理，然后呈递到下一层。最后是输出单元，它负责计算ℎ????(????)。上图为
2020-07-31 22:59:00
668
原创 吴恩达机器学习作业一——线性回归
学习了挺长时间的机器学习了，还没有实践过，认真地看了作业一的代码，并且做了详细注释，希望对其他新手小白有些帮助。单变量线性回归
2020-07-30 00:42:49
636
原创 机器学习第三回——正则化
1.过拟合问题例1：线性回归问题第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一个四次方的模型，过于强调拟合原数据，而丢失了算法的本质：预测新数据。我们可以看出，若给出一个新的值使之预测，它将表现的很差，是过拟合，而中间的模型似乎最合适。例2：分类问题显然，图一是欠拟合的，不能很好的适应训练集，而图三过度拟合原数据，使其在预测新数据时表现很差，所以中间的模型最适合。解决过拟合问题的方法：1.丢弃一些不能帮助我们正确预测的特征。可以是手工选择保留哪些特征，或者使用一些
2020-07-28 21:18:51
176
原创 机器学习第三回——逻辑回归 (Logistic Regression)
分类问题属于监督学习的一种，要预测的变量 ???? 是离散的值，使用逻辑回归 (Logistic Regression)算法来解决此类问题。模型假设逻辑回归模型的假设是： ℎ????(????) = ????(????????????) 其中： ???? 代表特征向量， ???? 代表逻辑函数（logistic function是一个常用的逻辑函数为 S 形函数（Sigmoid function）），公式为： ????(????) = 1/（ 1+????^−????）。即z=(??????????
2020-07-27 23:26:02
684
原创 python入门——条件控制+循环语句
条件控制1.if语句一般形式if condition_1:statement_block_1elif condition_2:statement_block_2else:statement_block_3注意：1.每个条件后面要使用冒号 :，表示接下来是满足条件后要执行的语句块。2.使用缩进来划分语句块，相同缩进数的语句在一起组成一个语句块。3.在Python中没有switch – case语句。4.python中if常用的操作运算符和c语言中一样2.if嵌套一般形式if 表
2020-07-27 12:48:02
133
原创 python入门——列表+元组+字典+集合
列表列表是最常用的python数据类型，它可以作为一个方括号内的逗号分隔值出现。列表的数据项不需要具有相同的类型1.列表嵌套（相当于二维数组）a=["b",'c','d']m=[1,2,3,4]x=[a,m]print(x[0]) #输出列表aprint(x[0][1]) #输出“c"2.列表函数及方法a=["b",'c','d','c']m=[1,2,3,4]x=[a,m]l=len(a) #列表元素个数max(a) #列表最大值min(a)#列表最小值a.append(
2020-07-26 17:16:40
152
原创 python入门——数字+字符串
数字1.python数字类型转换只需要将数据类型作为函数名即可int(x) #将x转换为一个整数float(x) #将x转换到一个浮点数complex(x)#将x转换到一个复数，实部为X，虚部为0complex(x,y) #将x和y转换到一个复数，实部为X，虚部为y2.python数字运算除法( / ) 总是返回一个浮点数，如果只想得到整数的结果，可使用运算符( // )print(17/3) # 返回浮点型print(17//3) # 返回整数型（ // ）得到的并不一定是整数类
2020-07-25 19:08:53
522
原创 机器学习第二回——多变量线性回归
多变量线性回归求解最合适的一系列参数（θ0~θn)一.多维特征（以预测房价为例）对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为(????1, ????1, . . . , ????????)。???? 代表特征的数量????(????)代表第 ???? 个训练实例，是特征矩阵中的第????行，是一个向量（vector）。????????(????)代表特征矩阵中第 ???? 行的第 ???? 个特征，也就是第 ???? 个训练实例的第 ???? 个特征。
2020-07-24 22:18:47
1531
原创 Anaconda+tensorflow+keras的下载与安装
一.anaconda的下载与安装下载网址：https://www.anaconda.com/products/individual#windows点击download，选择anaconda版本进行下载下载完成后，双击下载的文件，点击next。点击I agree这个选择just me 和 all users 都可以。选择安装路径，建议安装在默认路径。不勾选第一个，稍后手动添加环境变量。点击install.静静等待安装手动添加环境变量此电脑-右击鼠标-属性-高级系统设置
2020-07-22 18:59:53
782
原创 机器学习第一回——初识监督学习和无监督学习
一.监督学习（supervised learning） 给定一个含有“正确答案”的数据集，根据样本数据做出预测。1.回归问题（推测出一个连续值的结果） 例：预测房价 
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人