- 博客(17)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 一篇文章搞懂：岭回归和Lasso回归
目录岭回归 岭回归和Lasso回归： 给定数据集 D=(x1，y1),(x2，y2)，…，(xm，ym)D = {(x_1 ， y_1), (x_2 ， y_2) ，… ， (x_m ， y_m)}D=(x1，y1),(x2，y2)，…，(xm，ym)，其中x∈Rdx\in R^{d}x∈Rd， y∈Ry\in Ry∈R，我们考虑最简单的线性回归模型，以平方误差为损失函数，则优化目标
2020-09-22 18:54:44
9250
2
原创 机器学习中“模型误差”的总结
在机器学习中，模型误差 = 偏差（Bias）+ 方差（Variance）+ 数据本身的误差。数据本身的误差即噪声：表达了在当前任务上任何学习算法所能达到的期望泛化误差的下界，即刻画了学习问题本身的难度。噪声是怎么产生的呢？ 可能由于记录过程中的一些不确定性因素等导致，或者抽样的时候会出现一些搞错的信息，是无法避免的！能做的只有不断优化模型参数来权衡偏差和方差，使得模型误差尽可能降到最低。因此
2020-09-22 16:23:27
2902
原创 梯度下降（gradient descent）总结与比较
梯度下降法作为机器学习中较常使用的优化算法，其有着三种不同的形式：批量梯度下降（Batch Gradient Descent）、随机梯度下降（Stochastic Gradient Descent）以及小批量梯度下降（Mini-Batch Gradient Descent）。批梯度下降： 每一次迭代时使用所有样本来进行梯度的更新。 计算量
2020-09-14 12:29:12
332
转载 循环队列（Circular Queue）
可以看下这个博主写得非常详细：wowocpp 循环队列是 队列的一种特殊形式。首先介绍队列，然后引申出循环队列。 队列又称为“先进先出”(FIFO)线性表 ：限定插入操作只能在队尾进行，而删除操作只能在队首进行 队列也可以采用顺序存储结构或链表结构来实现，分别称为顺序队列和链队列队列的顺序表示—顺序队列 &n
2020-09-13 09:28:04
1866
原创 机器学习：性能度量（详解）
目录简介分类错误率与精度查准率、查全率与 FlROC 与 AUC代价敏感错误率与代价曲线简介 性能度量： 衡量模型泛化能力的评价标准（反映了任务需求，在对比不同模型的能力时，使用不同的性能度量往往会导致不同的评判结果。模型的好坏，不仅取决于算法和数据，还决定于任务需求。） 性能度量主要分为分类任务中的和回归任务中的。分类错误率与精度
2020-09-12 13:54:01
2461
原创 数据结构几大排序算法总结（实现、复杂度）
目录简介冒泡排序，快速排序简单选择排序堆排序归并排序插入排序1 直接插入排序2 希尔排序（缩小增量排序）3 折半插入排序总结简介 排序在数据结构中的内部排序部分，主要介绍了几大常见的排序算法，这里做一下简单的分析总结。 排序： 按关键字大小顺序排列数据。 时间复杂度： 简单的排序方法 O(n2n^2n2)，先进的排序方法 O(nlogn
2020-09-11 16:22:13
1718
原创 多多的魔术盒子（思想及python实现）
[编程题]多多的魔术盒子时间限制：C/C++ 1秒，其他语言2秒空间限制：C/C++ 256M，其他语言512M多多鸡有N个魔术盒子（编号1～N），其中编号为i的盒子里有i个球。多多鸡让皮皮虾每次选择一个数字X（1 <= X <= N），多多鸡就会把球数量大于等于X个的盒子里的球减少X个。通过观察，皮皮虾已经掌握了其中的奥秘，并且发现只要通过一定的操作顺序，可以用最少的次数将所有盒子里的球变没。那么请问聪明的你，是否已经知道了应该如何操作呢？输入描述:第一行，有1个整数T，表示测
2020-09-10 16:47:26
254
原创 SAD（自我注意力蒸馏）：Learning Lightweight Lane Detection CNNs by Self Attention Distillation
自我注意力蒸馏来自文章（链接）：Learning Lightweight Lane Detection CNNs by Self Attention Distillation 项目地址：Codes-for-Lane-Detection 说到蒸馏，可能想到最多的就是知识蒸馏、注意力蒸馏，他们三者关系是什么？ &nb
2020-09-09 15:42:48
5817
3
原创 快速排序（详解及python实现）
快速排序(Quicksort)是对冒泡排序的一种改进。快速排序由C. A. R. Hoare在1962年提出。采用了分治法。基本思想：通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。在一篇博客上看到给出的一种快速排序的方法快速排序（过程图解）但感觉复杂化了举例子：对序列：9，4，3
2020-09-07 18:16:58
706
原创 哈希表(Hash table)
哈希表（Hash table，也叫散列表），是根据关键码值而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。 给定表M，存在函数f(key)，对任意给定的关键字值key，代入函数后若能得到包含该关键字的记录在表中的地址，则称表M为哈希(Hash)表，函数f(key)为哈希(Hash) 函数。&
2020-09-07 16:32:04
270
原创 集成学习（(ensemble learning）
目录1. 简介2. Boosting2.1 AdaBoost1. 简介 集成学习 (ensemble learning)通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统 (multi-classifier system) 、基于委员会的学习 (committee-based learning) 等。 个体学习器通常由一个现有的学习算法从训练数据产生：同质集成： 集成中只包含同
2020-09-06 14:05:49
805
原创 K近邻算法（KNN）
k 近邻 (k-Nearest Neighbor，简称 kNN )学习是一种常用的监督学习方法。属于懒惰学习。工作机制： 给定测试样本，基于某种距离度量找出训练集中与其最靠近的 k 个训练样本，然后基于这 k 个"邻居 "的信息来进行预测 。分类任务：投票法回归问题：平均法 还可基于距离远近进行加权平均或加权投票，距离越近的样本权重越
2020-09-05 20:27:47
391
原创 特征学习算法
类似于机器学习，特征学习可以被分为两类：监督式特征学习（Supervised Representation Learning）和无监督式特征学习（Unsupervised Representation Learning）。监督式特征学习被标记过的数据被当做特征用来学习。例如神经网络（Neural Networks），多层感知器（Multi-Layer Perception），监督字典学习（Supervised Dictionary Learni
2020-09-05 19:49:45
1982
原创 关于康托展开和逆康托展开详解，及python代码
在LeetCode上有这样一道题：60. 第k个排列给出集合 [1,2,3,…,n]，其所有元素共有 n! 种排列。按大小顺序列出所有排列情况，并一一标记，当 n = 3 时, 所有排列如下：“123”“132”“213”“231”“312”“321”给定 n 和 k，返回第 k 个排列。说明：给定 n 的范围是 [1, 9]。给定 k 的范围是[1, n!]。示例 1:输入: n = 3, k = 3输出: “213”示例 2:输入: n = 4, k = 9输出:
2020-09-05 19:16:38
948
原创 python实现二叉树遍历（前、中、后序）
树是一种重要的非线性数据结构，直观地看，它是数据元素（在树中称为结点）按分支关系组织起来的结构，很象自然界中的树那样。 从二叉树的递归定义可知，一棵非空的二叉树由根结点及左、右子树这三个基本部分组成。因此，在任一给定结点上，可以按某种次序执行三个操作:⑴访问结点本身（N）⑵遍历该结点的左子树（L）⑶遍历该结点的右子树（R）前序遍历（先序遍历）：NLR：先访问根节点–> 访问左
2020-09-02 16:27:49
4754
原创 深度优先搜索和广度优先搜索（详解及Python实现）
目录1. 简介1. 简介 深度优先搜索（DFS）：对每一个可能的分支路径深入到不能再深入为止，而且每个节点只能访问一次。举例： 上图是一个无向图，如果从A点发起深度优先搜索(以下的访问次序并不是唯一的，第二个点既可以是B也可以是C,D)，则我们可能得到如下的一个访问过程:A->B->E(没有路了!回溯到A)->C->F->H->G->D(没有路，最终
2020-09-02 13:17:24
2901
mobilenet_v2_weights_tf_dim_ordering_tf_kernels_1.4_224_no_top.h5
2020-03-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人