木筱雪的专栏

注：本文是基于斯坦福的机器学习课程 1. A=[1 2;3 4;5 6]    这样就定义了一个矩阵   size(A)===>3 3  如果是向量：B=[1 2 3 4]  length（B）=4 2.修改路径：cd 'c:\snow'  load 1.dat    加载文件  save 1          保存文件  save hello.m...

[TOC] Logister 回归虽然名称叫做回归，但其实是一种分类模型； 在周志华老师的西瓜书中，把这一方法叫做：对数几率回归，其实看完整个推导过程，感觉这个名称更合适一些。几率就是一个事件发生的概率和不发生的概率的比值；问题描述：已知某些样本x，具有n个特征值w1,w2...wnw1,w2...wnw1,w2...w_n, 以及对应的标签yyy; 对样本x进行正确分类；解...

F1 score | why softmax | loglikehood & cross-entropy最近找工作面试涉及到了很多研一时候学习的基础知识，很多都忘记了，重新整理一下相关的问题，更侧重和NLP相关的一些知识。F1 scoreaccuracyprecisionrecallf1 score一位同学面试的时候设计被问到，机器翻译中的BLEU的计算，是以...

虽然已经接触deep learning很长一段时间了，也看了很久rnn相关的代码，但是突然想用tensorflow实现一些功能的时候，突然发现丝毫没有头绪，找了一些资料，学习了一波，记录一下。一、tensorflow实现RNN celltensorflow由于不同的版本改动较大，在1.0版本之后，可以使用如下语句来创建一个cell：from tensorflow.contrib import rn

Inference and Decision some notation： p(D|\theta) 表示的并不是一个条件概率，这是一个关于\theta的函数； p(x_i|\theat)表示的是一个PDF，这里的\theta是一个定值；生成模型： 根据P(x|y) 和p(x), 利用贝叶斯求出p(y|x)； 判别模型：直接求出(y|x) 这些模型分为两个步骤： inference:

tensorflow mnist

特征值为空如何处理？参考资料： https://www.zhihu.com/search?type=content&q=%E7%89%B9%E5%BE%81%E5%80%BC%E4%B8%BA%E7%A9%BA 最后决定取均值了。 不过这个问题还是值得思考的，依研究问题的不同，做法也不尽相似，基本思想就是根据其他数据信息来进行填充，这对于图像处理来说是个不错的选择。仔细想想，我的特征值是距离，

因为时间原因实在是来不及一一看那些书籍，经学长指点，直接学习统计翻译的em算法，然后是基于短语的概率翻译表提取，再者就是去学习bp神经网络。em在ibm model1中的应用，看了很久才看明白，当我以为自己看懂了的时候，学长让我用一句话概括一下em，我竟一时语塞，才惊觉其实并不是很懂。于是老老实实去翻看李航老师的《统计学习方法》，第九章详细介绍了em算法，也加深了自己的印象。什么是EM简单来说，em

DBScan 是一种基于密度的聚类算法，主要算法流程如下图：DBSCAN(D, eps, MinPts) C = 0 //类别标示 for each unvisited point P in dataset D //遍历 mark P as visited

文章目录中心极限定理中心极限定理中心极限定理是说，n只要越来越大，这n个数的样本均值会趋近于正态分布，并且这个正态分布以u为均值，sigma^2/n为方差。换句话说，假设我们与样本x1,x2....xnx1, x2....x_nx1,x2....xn​, 并且已经知道E(x)=u,D(x)=σ2E(x) = u, D(x) = \sigma^2E(x)=u,D(x)=σ2;令变量Y=x1+...