- 博客(52)
- 收藏
- 关注
RSS订阅原创 【c++】类中成员函数和成员变量的存储
1. 非静态成员变量，属于类的一部分，sizeof(类名)的时候会包括进去2. 静态成员变量，不属于类的一部分，不会影响类的大小3. 成员函数，都不属于类的一部分4. 空类大小为1B
2024-03-07 14:02:23
342
原创 【c++】深拷贝和浅拷贝
浅拷贝：比如有对象1和对象2，对象2是对象1的拷贝（浅拷贝），对象2的所有值都与对象1相同，并且对象2共用对象1中指针所指的堆区变量这时候面临的问题就是堆区内存的重复释放，对象2先释放时，其指针所指的堆区释放，轮到对象1释放时，其指针所指堆区已经为空，故不可重复释放解决上述问题的方法是用深拷贝深拷贝：对象2的所有值都与对象1相同，并且对象2会在堆区另外开辟一个空间来存放与对象1相同的变量值
2024-03-06 11:47:05
778
原创 【c++】构造函数调用规则
1.在创建一个类时，C++编译器会给每个类都添加至少如下3个函数：（1）默认构造函数 （空实现）（2）析构函数 （空实现）（3）拷贝构造函数 （值拷贝）2.如果写了有参构造，编译器将不再提供默认构造，但依然提供拷贝构造3.如果写了拷贝构造，编译器将不再提供其他构造函数
2024-03-06 11:06:01
352
原创 OpenGL学习笔记1：你好窗口
本章开始opengl的学习，这是我的学习笔记，记录下来方便复习，也希望能为其他要学习opengl的小伙伴带来参考。1.2.本节我们将学习创建一个图形窗口，操作系统使用Win10。首先直接上代码，后面再解释每条语句的意思。
2023-01-13 14:40:17
172
原创 数据分析笔记5：建模评估
我们采用sklearn这个库来进行建模和评估1.分割训练集和测试集先来简单介绍一下数据分割的函数：train_test_split，资料来源于sklearn的官方文档X_train,X_test,y_train,y_test=sklearn.model_selection.train_test_split(train_data,train_target, test_size=None,train_size=None, random_state=None, shuffle=True, stratify
2021-08-25 20:38:03
319
原创 数据分析笔记4：数据可视化
1.可视化展示泰坦尼克号数据集中男女中生存人数分布情况（用柱状图）sex=data.groupby('Sex')['Survived'].sum()sex.plot.bar()plt.title('survived_count')plt.show()2.可视化展示泰坦尼克号数据集中男女中生存人与死亡人数的比例图group=data.groupby(['Sex','Survived'])['Survived'].count().unstack().plot(kind='bar',stacked=
2021-08-21 12:36:55
428
原创 数据分析笔记3：数据重构
1.数据合并（DataFrame）1.1 使使用concat方法：将数据train-left-up.csv和train-right-up.csv横向合并为一张表，并保存这张表为result_up）#先把两张表放进列表里，再用concat函数list=[data_left_up,data_right_up]result_up=pd.concat(list)result_up.head(3)1.2 将train-left-down和train-right-down横向合并为一张表，并保存这张表为r
2021-08-21 09:58:38
246
原创 数据分析笔记2：数据清洗及特征处理
1.缺失值观察#方法一：data.isnull().sum()#方法二：data.info()#方法三：data[['Age','Cabin','Embarked']].head(3)2.缺失值处理#方法一：data[data['Age']==None]=0#方法二：data[data['Age'].isnull()]=0#方法三：data[data['Age'] == np.nan] = 0data.isnull().sum()#方法四：data.dropna(
2021-08-18 21:13:50
136
原创 数据分析笔记1：Pandas的使用
本文采用的例子：kaggle上的泰坦尼克号预测一.1.载入数据import pandas as pddata=pd.read_csv("C:/Users/45168/Desktop/hands-on-data-analysis-master/第一单元项目集合/train.csv")2.每1000行为 一个数据模块，逐块读取chunker=pd.read_csv('C:/Users/45168/Desktop/hands-on-data-analysis-master/第一单元项目集
2021-08-17 10:26:12
277
原创 李宏毅《机器学习》笔记7：一点小总结
至此，这门课的笔记一共更新了6期，我们分别讲到了：● 机器学习是什么？● 回归模型● 梯度下降法求最优解● 深度学习简介● 反向传播机制● 自适应学习率● 卷积神经网络我们知道了机器学习的本质其实就是找一个函数，我们对其输入一些值，从中返回另一些值，可以是分类结果，也可以是预测数据等等。最先介绍的，也是比较简单直白的就是回归模型，回归模型分为线性回归与非线性回归，具体来说也分一元与多元回归。我们引入损失函数，通过梯度下降法，求出最优解的模型参数，确定模型。之后我们也简单介绍了深度学习中的全连
2021-07-25 19:11:17
260
原创 李宏毅《机器学习》笔记6：卷积神经网络
今天我们重点介绍卷积神经网络，即CNN。CNN架构在图像识别领域，CNN是这样工作的：首先我们输入一张猫猫的图片，这张猫图可通过卷积层的运算，进入Max Pooling，再把输出结果作为下一个卷积层的输入，再进入Max Pooling，以此类推，这取决于你一开始设定CNN有几层。最终我们得到影像辨识的结果。。。。Convolution我们假定现在的input是一张6x6的图，而且这张图仅仅是黑白图，故每个像素点只用1,0即可代表。在卷积层中，其实对应的由一组filter组成，这里的filter可
2021-07-23 20:57:51
241
2
原创 李宏毅《机器学习》笔记5：自适应学习率与分类
自适应学习率：今天介绍一种学习率调整的技术：自适应学习率。相比前两章里提到的，利用均方根来对学习率进行调整，这里利用一种更新的方法来控制学习率，称为RMSProp，具体的数学过程如下：我们只需要对参数阿尔法进行调整，便可间接的调整学习率，从而控制下降步长。论文参考：https://arxiv.org/pdf/1412.6980.pdf下图是利用均方根调整学习率，与自适应学习率的方法比较图：如上面两张图所示：图中的叉叉表示梯度下降的最低点，但不论我们如何调整学习率，也无法让其达到最低点。
2021-07-21 21:06:31
774
原创 李宏毅《机器学习》笔记4：深度学习
深度学习发展史：1958: Perceptron (linear model)1969: Perceptron has limitation1980s: Multi-layer perceptronDo not have significant difference from DNN today1986: BackpropagationUsually more than 3 hidden layers is not helpful1989: 1 hidden layer is “good e
2021-07-18 11:21:19
158
原创 李宏毅《机器学习》笔记3：梯度下降详解
上一章我们讲到，在做回归的时候，要对损失函数利用梯度下降的方法来求得最佳的参数以确定模型，本章将详细介绍梯度下降的原理和细节。先来简单复习一下梯度下降，在求线性模型中的w和b值时，要求loss function尽可能小，于是我们做如下的迭代计算：{wi+1=wi−η∂L∂W∣w=wi,b=bibi+1=bi−η∂L∂b∣w=wi,b=bi\left\{ \begin{array}{l} w_{i+1}=w_i-\eta \frac{\partial L}{\partial W}|_{w=w_i,b=
2021-07-16 18:26:34
296
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