学习心得
鹤随云
拥抱AI,拥抱未来。
展开
-
vs code 前端配制
新手总结:vs code是一个代码编辑器,后来集成了IDE的功能。但我只想用来做前端,所以可以注意一下几点:安装:参考官网熟悉功能:将每个能点的地方都点了重点:客户端的设置可以通过点击进行,但是最终变成了json对象。通过安装插件实现各种各样方便的功能,插件有快捷键,插件也有设置,也是最终通过json对象实现。个性化:按需进行设置和插件搭配即可。插件推荐参考...原创 2020-06-29 18:58:25 · 171 阅读 · 0 评论 -
标准差与标准误的理解与应用
从公式上不难看出,标准差代表的是一次抽样样本内部的变异程度。标准误代表的是多次抽样样本均值的变异程度。如果想比较两个样本是否属于同一个总体,用标准差即可。该情况认为单次抽样的结果就能够代表总体。但我们知道,单次抽样不一定能很好的代表总体,这种误差的衡量用的就是标准误如果想告诉别人你的抽样可以重复的情况,或者你的实验别人是否可以重复或者说可以重复的概率,则需要用到标准误,也就是所谓的N次...原创 2020-04-23 15:01:56 · 2375 阅读 · 0 评论 -
样本不均衡问题
机器学习面试题中有这么一道题:如果正样本有10000,负样本有1000,该怎么训练? 这个问题属于机器学习样本训练中的样本不均衡问题。经过资料的查找,大概分为如下几类:产生新数据型:过采样小样本(SMOTE),欠采样大样本。过采样是通过增加样本中小类样本的数据量来实现样本均衡。其中较为简单的方式是直接复制小类样本,形成数量上的均衡。这种方法实现简单,但会由于数据较为单一而容易造成过拟合。 S...转载 2020-03-06 16:13:19 · 574 阅读 · 0 评论 -
卷积神经网络的深层理解与一般化
对于卷积神经网络zho种的原创 2020-01-27 13:09:38 · 206 阅读 · 0 评论 -
机器学习的理解与学习
机器学习与传统统计学的区别与联系个人理解:机器学习中用到了很多统计学中的知识,很多算法就是基于统计学的方法。但是机器学习的重点是要突出“学习”二字,传统统计学中不涉及“学习”这个概念,给定数据之后,模型通过一些指标计算就可以得出了,而机器学习的方式更像是一种“努力减少错误”的学习。比如线性回归的最小二乘法,统计学直接可以根据样本算出斜率和截距得到模型。而机器学习是直接初始就给定参数,然后通过...原创 2020-01-09 13:56:10 · 244 阅读 · 0 评论 -
乱码问题终极理解(助力mysql中文乱码问题)
虽然是相同的一个“字",呈现的效果一样,但是其背后对应的编码却不一样,有的是GB2312(俗称CP936),是微软平台上在简体中文上的默认编码方式,而有的是大众平台上常用的=的UTF-8的编码,编码方式不一样造成跨平台文字呈现的乱码现象。文本乱码问题,不仅仅要看用编辑器采用的是哪种方式,还要看解读器采用的解码方式是否一致。只有二者一致了,才能够正确的显示文本的内容。所以,当出现乱码问题的时候...原创 2020-01-04 01:04:25 · 149 阅读 · 0 评论