![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法
que_anr
这个作者很懒,什么都没留下…
展开
-
集成学习 adaboost和random forest
Bootstrap随机采样(bootstrap),就是从我们的训练集里面采集固定个数的样本,但是每采集一个样本后,都将样本放回。也就是说,之前采集到的样本在放回后有可能继续被采集到。Bagging从原始样本集中使用Bootstraping 方法随机抽取n个训练样本,共进行k轮抽取,得到k个训练集(k个训练集之间相互独立,元素可以有重复)。对于n个训练集,我们训练k个模型,(这个模型可根据具体的情况而定,可以是决策树,knn等)对于分类问题:由投票表决产生的分类结果;对于回归问题,由k个模型预测结果转载 2021-03-09 11:39:58 · 243 阅读 · 0 评论 -
偏最小二乘算法
https://blog.csdn.net/fjsd155/article/details/93414969转载 2021-03-09 10:31:55 · 133 阅读 · 0 评论 -
EM算法
似然与概率,理解似然函数:http://fangs.in/post/thinkstats/likelihood/EM算法计算步骤:https://baike.baidu.com/item/%E6%9C%80%E5%A4%A7%E6%9C%9F%E6%9C%9B%E7%AE%97%E6%B3%95/10180861?fromtitle=em%E7%AE%97%E6%B3%95&fromid=1866163&fr=aladdinEM算法解高斯混合模型:https://blog.csdn转载 2021-03-09 10:30:40 · 67 阅读 · 0 评论 -
conv-lstm
https://zhuanlan.zhihu.com/p/65647217?from_voters_page=truehttps://blog.csdn.net/fengdu78/article/details/106774638/转载 2021-02-25 11:17:20 · 402 阅读 · 0 评论 -
Graph Convolutional Network(GCN)
Graph Convolutional Network(GCN)https://www.zhihu.com/question/54504471/answer/360026284转载 2021-02-19 14:02:57 · 76 阅读 · 0 评论 -
AE VAE CVAE GAN
AE自编码器的目标是重建原始输入。编码器从数据中获取一个样本,并返回隐空间中的单个点,然后将其传递到解码器中。如果你的目标只是重构输入,则标准自动编码器已经可以满足你的需求,但它不能作为生成模型使用,如果为解码器选择随机输入V’,V’可能与解码器以前见过的任何输入都很不一样(此处的输入不是原始输入图像,而是由编码器产生的对原始图像的编码,即隐空间),解码器不一定能产生合理的图像。VAE编码器会在隐空间中产生概率分布!它输出的隐分布是与隐空间维数相同的高斯分布。编码器产生这些高斯分布的参数(均值,转载 2021-02-01 11:19:06 · 316 阅读 · 0 评论 -
排序算法
一、排序算法分类稳定性如果在数组中有两个元素是相等的,在经过某个排序算法之后,原来在前面的的那个元素仍然在另一个元素的前面,那么我们就说这个排序算法是稳定的。比较排序、非比较排序如果一个算法需要在排序的过程中使用比较操作来判断两个元素的大小关系,那么这个排序算法就是比较排序,大部分排序算法都是比较排序,比如冒泡排序、插入排序、快速排序、堆排序等等,这种排序算法的平均时间复杂度最快也只能是O(NlogN)。非比较排序比较典型的有计数排序、桶排序和基数排序,这类排序能够脱离比较排序时间复杂度的束缚,达转载 2021-01-28 14:10:29 · 139 阅读 · 0 评论 -
快速排序算法
算法实现采取分治法(Divide-and-ConquerMethod)思想:1、从数列中取出一个数作为基准数(枢轴,pivot)。2、将数组进行划分(partition),将比基准数大的元素都移至枢轴右边,将小于等于基准数的元素都移至枢轴左边。3、再对左右的子区间重复第二步的划分操作,直至每个子区间只有一个元素。时间复杂度O(NlgN)最坏情况下是O(N^2),平均时间复杂度是O(NlgN)。原因:假设被排序的数列中有N个数。遍历一次的时间复杂度是O(N),需要遍历多少次呢?至少lg(N+1转载 2021-01-28 11:10:37 · 85 阅读 · 0 评论