ustceduruixing的博客

第一周：简介机器学习，有监督学习，无监督学习。 1-1，1-2，1-3，1-4第二周：2-1：回归问题举例 2-2：介绍cost function定义。 2-3：在回归函数是一个经过原点的直线的情况下，演绎cost function最小化的计算。 2-4：在回归函数是一条直线时，通过等高线演绎cost function最小化的计算。 2-5：简介梯度

1、爱情&动作片分类：from numpy import *import operatordef createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group, labelsdef classify0(inX, dataS

1.在Python Shell下调用open函数打开txt文件的文件路径写法：f=open("d:/tmp.txt")或f=open("d://tmp.txt")或f=open("d:\\tmp.txt")包含中文的路径：srcfile = r"D:/测试路径/测试文件.txt"f = open(srcfile.decode('utf8').encode('gbk'))注意路径是用'/

调试环境：shell>>> for line in fr.readlines():line.strip().split()print line结果：>>> line'0.317029\t14.739025\t0\n'这是最后一行line中两个特征值加一个类值

1）采集自知乎：机器学习说简单就简单，说难就难，但如果一个人不够聪明的话，他大概很难知道机器学习哪里难。基本上要学习机器学习，先修课程是algebra, calculus, probability theory, linear regression。这几门科学好了再学Machine learning是事半功倍的。此外近代数学的东西也要懂， functional analysis啥的。其实不懂也行，只

本人计算机研二，专业方向自然语言处理，个人对于机器学习挺感兴趣，于是开始学习。所以，原来这家伙是个菜鸟……正是由于自己是个菜鸟，所以体会到自学机器学习的艰辛，于是在这里分享一下个人的经验，希望能对入门者有所帮助。 一些有关机器学习的介绍在这里就不做详细介绍了，感兴趣的同学可以去维基百科。就直接进入正题。 1、去Coursera上Andrew Ng的《机器学习》，完成所有作业，最好能全部拿满分。这

source1person1:“一个是训练数据归一化，此时不知道输入数据范围，一个是对预测数据归一化，此时用的最大最小是训练数据的最大最小，配套的还有个反归一化函数，如果数据在01间不需要，归一化的目的是防止输入数据各维间数量级差别太大”person2 “premnmx可以在任何时候用，但tramnmx是要先用了premnmx后才可以用，主要是用于归一化神经网络的输入，其中要用到premnm

newffnewff Create a feed-forward backpropagation network.Obsoleted in R2010b NNET 7.0. Last used in R2010a NNET 6.0.4. The recommended function is feedforwardnet.Syntax net = newff(P,T,S) net = n

维数灾难（英语：curse of dimensionality，又名维度的詛咒）是一个最早由理查德·贝尔曼（Richard E. Bellman）在考虑优化问题时首次提出来的术语[1][2]，用来描述当（数学）空间维度增加时，分析和组织高高维空间（通常有成百上千维），因体积指数增加而遇到各种问题场景。这样的难题在低维空间中不会遇到，如物理空间通常只用三维来建模。举例来说，100个平均分布的