自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(4)
  • 收藏
  • 关注

原创 EM算法解析

本文介绍EM算法的相关推导过程,同时会介绍混合高斯模型。 1.EM算法 1.1 EM算法的推导 观测数据(不完全数据)X关于参数θ\theta的对数似然函数为: L(θ)=logP(x|θ)=log∑zP(x,z|θ)=log∑z[q(z)P(x,z|θ)q(z)]≥∑zq(z)logP(x,z|θ)q(z)=∑zq(z)logP(x,z|θ)+∑zq(z)logq(z) \begin{a

2018-01-21 13:53:23 659

转载 机器学习中正则化项L1和L2的直观理解

正则化(Regularization) 原文地址:http://blog.csdn.net/jinping_shi/article/details/52433975 机器学习中几乎都可以看到损失函数后面会添加一个额外项,常用的额外项一般有两种,一般英文称作ℓ1-norm,中文称作L1正则化和L2正则化,或者L1范数和L2范数。 L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓『惩罚』是指

2018-01-16 14:02:53 400

原创 逐段输出多项式的计算结果

给定一个简单的四则运算的多项式,如果把多项式看作一个字符串,试编写程序,自左向右依次输出每个子字符串所对应的多项式的计算结果。例如给定多项式为:1+23*2+3*3,程序输出结果为:1 3 24 47 50 56 key_list = [str(i) for i in range(1, 10)] def func(str_in): if len(str_in) == 0:

2018-01-09 22:16:35 330

原创 铺设地板问题--动态规划

有一条长度为N*1米的路,需要铺设地板,地板的规格为1*1米,1*2米,1*3米,各种地板的数量不限。各种规格的地板可以随意组合,试问:一共有多少种铺法? Python代码如下: def get_N(N): list_1 = [0] * N list_2 = [0] * N list_3 = [0] * N list_1[0] = 1 list_2[0] = 0 list_3

2018-01-08 09:43:16 1363

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除