- 博客(138)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 CNN——卷积、池化与误差反向传播
卷积神经网络（CNN）组成：输入层、卷积层、激活函数、池化层、全连接层卷积神经网络中重要概念就：深度：深度大小就等于所用的filter的个数[卷积层]，也可以理解为提取的层数。权值共享：给一张输入的图片用同一个filter去提取，filter里面的数据叫做权重，图中每个位置都是由同一个filter扫描的因此权重一样，也就是权值共享。卷积：特征提取池化：特征压缩，压缩方法有max法和me...
2019-07-31 21:00:28
2119
原创 基于用户跟基于物品的协同过滤的区别
基于用户基本思路：当用户A需要个性化推荐的时候，可以先找到和他兴趣相似的用户群体G，然后把G所喜欢的且A没有听说过或没有见过的推荐给用户A。方法：1、找到与用户A兴趣相似的用户群体2、G所喜欢的且A没有听说过或没有见过的推荐给用户A。过程：1、 发现兴趣相似的用户通常用 Jaccard 公式或者余弦相似度计算两个用户之间的相似度。设 N(u) 为用户 u 喜欢的物品集合，N(...
2019-07-24 09:48:24
4490
原创 递归之猴子吃桃
猴子偷桃喜欢西游记的同学肯定都知道悟空偷吃蟠桃的故事，你们一定都觉得这猴子太闹腾了，其实你们是有所不知：悟空是在研究一个数学问题！ 什么问题？他研究的问题是蟠桃一共有多少个！ 不过，到最后，他还是没能解决这个难题，呵呵^-^ 当时的情况是这样的： 第一天悟空吃掉桃子总数一半多一个，第二天又将剩下的桃子吃掉一半多一个，以后每天吃掉前一天剩下的一半多一个，到第n天准备吃的时候只...
2023-03-09 11:53:47
144
2
原创 第四章（数值计算）
凸集：上述公式意味着我们若取集合C中的两个元素，并在元素之间画一条线段，则该线段上的所有元素也属于C。θx+（1-θ）y∈C，称为点 x 和 y 的凸组合。半正定矩阵：所有的半正定矩阵的集合，通常称为半正定圆锥体。凸函数： f : Rn → RJensen不等式：次水平集：凸函数产生了一类重要的凸集称为 α-次水平集，给定凸函数 f : Rn → R及实数α∈R，α次水平集定义如下：x ∈ D( f ) : f (x) ≤ α也就是说，α-次水平集为所有满足不等式f（x）≤α，为了显示该
2023-03-09 11:50:23
133
原创 机器学习笔记
3.第三章样本空间：随机试验所有结果构成的集合。事件空间：由事件A构成，事件由实验的可能结果构成，为样本空间的子集。概率公理：概率公理为事件空间到实数的函数映射，其满足如下属性：（1）对于事件空间中的所有事件，均有P(A) ≧ 0（2）对于样本空间的总概率为1。（3）若A1，A2，……彼此之间没有交集，则有： 性质：若A∈B，则有P(A) ≦ P(B)。P(A∩B)=min(P(A),P(B))P(A∪B) ≦ P(A)+P(B)P(ΩA) = 1-P(A)总
2022-05-17 20:44:02
1026
转载 将文件数据读入结构体
将文件数据读入结构体#include <stdio.h>#include <string.h>#include <stdlib.h>struct infostu{ char no[20]; //学号 char name[20]; char sex[4]; int age; char major[20]; //专业班级 };int main(){ int i=0,j; struct infostu student[500
2022-03-20 13:28:54
3558
原创 说话干嘛要“之道”啦？（1-10）
说话干嘛要“之道”啦？所有的事情：报告、开会、道歉、要求加薪、演讲、倾听诉苦，都只跟一件事情 有关，就是：你会不会说话，你有没有能力去想象听你讲话的人是什么心情，想听到什么。已经很讨人喜欢的你，在未来会更讨人喜欢 即使是转个三四手的赞美，我也一定乐于转达的。因为这样做一定会让听的人很高兴，气氛会很好，而且转述第三方的赞美，比你自己一味的说一些空洞的赞美要可信的多了。 希望让本来就已经 很讨人喜欢的你，在未来会更讨人喜欢而已。你说什么样的话，你就说什么样的人 你嘴上爱抱怨，你就成了
2021-07-31 20:07:26
110
原创 Java（二）
局部变量与全局变量局部变量：作用范围—>方法中，作用域为距离声明前最近的大括号（{）到该括号对应的另一半为止（}）。全局变量：作用范围—>方法外，作用域为整个类。static与final*static：*静态变量，可以修饰方法和属性，和类同级，不需要创建对象就可以使用。其修饰的属性也可以使用类名.属性来调用，在使用的时候，只有一个值，不管创建多少次对象该值只有一个。（也即后一次的修改是在前一次的基础上建立的）。类中的非静态变量需要通过创建的对象来访问。*final：*可以修饰属性、方
2021-07-31 19:55:19
66
原创 说话干嘛要“之道”啦？（持续更新中）
所有的事情：报告、开会、道歉、要求加薪、演讲、倾听诉苦，都只跟一件事情 有关，就是：你会不会说话，你有没有能力去想象听你讲话的人是什么心情，想听到什么。
2021-07-30 12:55:31
127
原创 高情商的对话(边学习边更新)
你是我的太阳意:“你是我的太阳”。那说明“你”在他（她）的心目中，地位非常重要，非常显赫。想一想吧，万物生长靠太阳，可以说：没有太阳，地球上的万物生灵就不复存在，由此看来，你在他（她）心目中的地位有多高了。答:告白中,中意的话,回：我愿意给你阳光,给你温暖.不中意,回：我一直以为你是夜行生物。...
2021-07-19 06:47:20
207
转载 深度学习——负采样
引用自：https://zhuanlan.zhihu.com/p/39684349 训练一个神经网络意味着要输入训练样本并且不断调整神经元的权重，从而不断提高对目标的准确预测。每当神经网络经过一个训练样本的训练，它的权重就会进行一次调整。 vocabulary的大小决定了我们的Skip-Gram神经网络将会拥有大规模的权重矩阵，所有的这些权重需要通过我们数以亿计的训练样本来进行调整，这是非常消耗计算资源的，并且实际中训练起来会非常慢。 负采样（negative sampling）解决了这个问题，它是用来提高
2021-03-03 19:56:50
2030
2
原创 Java从头来（一）
java命名规范1、命名规则包：英文全小写类：英文，每个单词的首字母为大写，其它为小写，例如：JavaTest变量：英文有意义，首字母第一个单词小写，其它单词首字母大写。例如：stu Name方法：同变量（英文有意义，首字母第一个单词小写，其它单词首字母大写。例如：stu Name）常量：所有字母全部大写 ，例如：MAX_NUM2.快捷键主函数快捷键：main+回车输出语句快捷键：sout+回车代码分列显示：Ctrl+Shift+A，输入split，然后可以看到有横屏分屏和竖屏分屏两
2021-01-04 16:58:50
82
转载 selenium启动chrome时，弹出设置页面:Windows Defender 防病毒要重置您的设置。和data页面
selenium启动chrome时，弹出设置页面:Windows Defender 防病毒要重置您的设置。和data页面 1.在使用selenium打开chrome时同时打开了两个标签页，且页面停留在chrome的设置页面，页面打开链接后data页面也没有消失win+r 运行 regedit ，...
2019-11-06 21:51:43
1311
1
转载 Python 数组
1、Python的数组分三种类型：(1) list 普通的链表，初始化后可以通过特定方法动态增加元素。定义方式：arr = [元素](2) Tuple 固定的数组，一旦定义后，其元素个数是不能再改变的。...
2019-10-11 17:01:20
717
原创 Crazy Rows(2009 Round2 A)
ProblemYou are given an N x N matrix with 0 and 1 values. You can swap any two adjacent rows of the matrix.Your goal is to have all the 1 values in the matrix below or on the main diagonal. That is,...
2019-09-01 16:35:17
200
转载 最小生成树之最大生成树
poj 3723 Conscription 【最大生成树|最大权森林】 题目：poj 3723 Conscription题意：要征兵n个男兵和m个女兵，每个花费10000元，但是如果已经征募的男士兵中有和将要征募的女士兵关系好的，那么可以减少花费，给出关系，求最小花费。分析：这个题目初始一个是个二分图，以为可以从这里入手，但是这个题目这个性质没用。初始花费没人10...
2019-08-25 15:09:34
717
原创 0-1背包与完全背包的区别
0-1背包重要部分：每次每个物品最多只能选择一次。题面：有n个重量和价值分别为 Wi 与 Vi 的物品，现在从这些物品中挑选出总重量不超过 s 的物品，并且要求总价值最大。输入：n=4S=5(w,v) = {（2,3）（1,2）（3,4）（2,2）}输出：7（选择0,1,3号物品）对于这个问题我们可以先用最朴素的方法，判断每个物品是否放入背包中。 #include<...
2019-08-20 16:46:02
1432
原创 2019算法从头来
1.DFS1.1部分和问题1.2LakeCounting （POJ 2386）2.BFS2.1迷宫之最短路径2.2剪枝问题3.贪心算法3.1 硬币问题3.2 区间问题3.3 字典序最小问题3.4 其他4.动态规划4.1 01背包问题...
2019-08-19 17:12:35
116
原创 JAVA知识点总结（更新中）
一、类与对象1、概念类：一种事物的统称，比如：人类、鸟类······对象：指一个具体实物，比如：桌子、狗······2、面向对象的三大特征：封装、继承、多态。3、对象中只含属性跟方法两个方面，属性的话可以理解为字面意思，就比如事物的颜色、大小、等都属于属性范围，是个静态概念（或理解为名词）。方法是指一般为了获得某种东西或达到某种目的而采取的手段与行为方式。4、注意事项1）、一个文件中...
2019-08-07 15:40:13
97
原创 HTML知识点总结（更新中）
一、各个标签的作用1、<hr><hr><hr></hr></hr></hr>：画一条横线 2、<br/><br/><br/>：单标签换行符3、空格符： 或者 ...
2019-08-05 21:19:45
97
原创 机器学习测试二总结
1、卷积神经网络计算公示：卷积层与池化层输出矩阵大小C=[(T-F+2*P)/S]+1C为输出矩阵尺寸，T为待处理矩阵的尺寸，F为滤波器矩阵尺寸，P为填充矩阵（pooling），S为步长2、MLP是完全连通的有向图，连接数是输入层和隐藏层中节点数的乘积。[包含偏执项]3、协同过滤包括：基于用户的协同过滤、基于项目的协同过滤、基于模型的协同过滤4、神经网络中偏差跟权重问题：即使所有的偏...
2019-08-01 11:31:27
125
转载 L1 L2正则化
正则化项L1和L2的区别 https://blog.csdn.net/jinping_shi/article/details/52433975https://blog.csdn.net/zouxy09/article/details/24971995一、概括：L1和L2是正则化项，又叫做罚项，是为了限制模型的参数，防止模型过拟合而加在损失函数后面的一...
2019-08-01 08:41:28
106
转载 python中yield的用法
首先我要吐槽一下，看程序的过程中遇见了yield这个关键字，然后百度的时候，发现没有一个能简单的让我懂的，讲起来真TM的...
2019-07-31 08:39:29
99
原创 机器学习——决策树
在看了大佬的博客以后我再这里来说一下自己的理解，有不对的地方希望大家能够指正，谢谢一、决策树的分类决策树按照数据类型可以分为分类决策树跟回归决策树，二者的区别在于：分类决策树是对离散的数据变量来进行决策的，回归决策树是对连续的数据变量来进行决策的。二、决策树的生成过程1、进行特征选择对已有数据根据数据本身的一些特征然后从中提取出可以划分数据的类别，比如性别、年龄等等。2、生成决策树...
2019-07-30 16:36:01
352
原创 机器学习—— 评价指标
一、分类指标1、准确率和召回率准确率（Precision）是你给出的正确结果数占你给出的所有结果数的比例。召回率（Recall）是你给出的正确结果数占所有正确结果数的比例。比如：池塘里共有200生物，其中鱼140，虾30，乌龟30。假如你第一次捕到70鱼，20虾，10乌龟。其中鱼是我们所关注的重点，那么此时准确率跟召回率结果如下：准确率：70 /（70+20+10）=70%召回率：7...
2019-07-30 10:02:56
246
转载 Python 网页爬虫
import re #匹配的库import requestsheaders = { 'Cookie':'UM_distinctid=16828a999356ee-01dbffc4bd71a8-33504275-144000-16828a99936840; CNZZDATA1255357127=1573548009-1546867979-%7C1546921578', 'Hos...
2019-07-29 11:38:17
132
原创 朴素贝叶斯
朴素贝叶斯原理：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。综上可得整个朴素贝叶斯分类分为三个阶段：第一阶段——准备工作阶段，主要工作是根据具体情况确定特征属性，并对每个特征属性进行适当划分，然后由人工对一部分待分类项进行分类，形成训练样本集合。这一阶段的输入是所有待分类数据，输出是特征属性和训练样本。第二阶段——分类器训练阶段...
2019-07-26 11:07:54
172
原创 knn算法思想及代码实现
实验中用到的数据在我的上传中心有1.什么是KNNK近邻算法（K-Nearest Neighbour，K-NN）是一种基本分类与回归方法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的K个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别。K近邻算法简单，直观。给定一个训练数据集，对于新的输入实例，在训练数...
2019-07-25 17:31:57
490
转载 基于物品的协同过滤
ItemCF：ItemCollaborationFilter，基于物品的协同过滤算法核心思想：给用户推荐那些和他们之前喜欢的物品相似的物品。比如，用户A之前买过《数据挖掘导论》，该算法会根据此...
2019-07-23 10:57:18
788
转载 电影推荐系统详细代码注释
注：此博文是转载于它处，注释部分也为转载# -*- coding: utf8 -*-'''Created on 2015-06-22@author: Lockvictor'''import sys, random, mathimport osfrom operator import itemgetterrandom.seed(0)class ItemBasedCF(): ...
2019-07-23 09:22:18
510
转载 CNN——池化、结构、误差反向传播
CNN反向传播算法总结 现在我们总结下CNN的反向传播算法，以最基本的批量梯度下降法为例来描述反向传播算法。输入：m个图片样本，CNN模型的层数L和所有隐藏层的类型，对于卷积层，要定义卷积核的大小K，卷积核子矩阵的维度F，填充大小P，步幅S。对于池化层，要定义池化区域大小k和池化标准（MAX或Average），对于全连接层，要定义全连接层的激活函数（输出层除外）和各层的神经元个数。梯度迭...
2019-07-22 20:26:12
963
原创 机器学习测试一总结
1、神经网络中权值绝对值尽可能小的原因是什么？为什么不直接设置为0？2、CNN（卷积神经网络）中梯度梯度不稳定是指什么？梯度消失的原因是什么？如何防止这种情况的出现？3、损失函数中采用交叉熵而不是均方差的原因是什么？4、BP反向传播的一些特点5、监督学习、无监督学习6、KNN、K—means一、关于神经网络中超参数初始化问题，详细请参考这篇博客二、不稳定是指：梯度消失跟梯度爆炸...
2019-07-22 17:12:24
283
转载 超参数权值初始化问题
深层神经网络的搭建中，我们提到关于超参数权值的初始化至关重要。今天我们就来谈谈其重要性以及如何选择恰当的数值来初始化这一参数。1. 权值初始化的意义 一个好的权值初始值，有以下优点:加快梯度下降的收敛速度增加梯度下降到最小训练误差的几率2. 编写代码 为了理解上面提及的意义，下面通过比较来进行进一步地解释。2.1 数据...
2019-07-22 15:29:56
792
原创 K-近邻算法（KNN)
<div id="post_detail"> 机器学习（一）——K-近邻（KNN）算法 最近在看《机器学习实战》这本书，因为自己本身很想深入的了解机器学习算法，加之想学python，就在朋友的推荐之下选择了这本书进行学习。 一 . K-近邻算法（KNN）概述&nbs...
2019-07-22 12:04:03
150
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人