自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(11)
  • 收藏
  • 关注

原创 吴恩达机器学习笔记 | 人工智能入门笔记(一)

这篇笔记是我在学习吴恩达的机器学习课程后,整理的笔记,希望对大家有所帮助,如有错误,还请指正。机器学习是一个研究领域,它使计算机有能力在没有明确编程的情况下进行学习。你或许每天都在不知不觉中使用了机器学习的算法每次,你打开谷歌、必应搜索到你需要的内容,正是因为他们有良好的学习算法。谷歌和微软实现了学习算法来排行网页每次,你用**Facebook**或苹果的图片分类程序他能认出你朋友的照片,这也是机器学习。每次您阅读您的电子邮件垃圾邮件筛选器,可以帮你过滤大量的垃圾邮件这也是一种学习算法。

2023-01-26 19:05:12 2251 2

原创 吴恩达AI FOR Everyone|人工智能入门笔记|

吴恩达AI for everyone,人工智能入门笔记

2022-08-21 10:18:20 3372

原创 误差检测中高斯分布与多元高斯分布的理解

​ 为什么会使用多元高斯分布呢?难道普通的高斯分布不能够满足我们的要求嘛,这需要直观的理解普通高斯分布于多元高斯分布的区别。普通高斯分布:总是关于轴对称的,也就是它只能从横纵两个方向扩张缩放:这使得它能较好的拟合这样的数据:而对这样的数据集不能较好的的拟合出一个我们想要的高斯分布:如果此时有一个异常的点(红点H1):可以看出异常点红点与最外圈非异常点的概率大致是一致的,那么异常点H1也会被判定为正常点,这样的模型显然对于我们来说不太好。那么有什么解决的方法呢?一种方法是,通过

2022-04-25 12:39:55 622

原创 支持向量机中高斯核函数的直观理解

支持向量机中高斯核函数的直观理解

2022-04-09 13:26:55 2076 1

原创 详解逻辑回归中决策边界与预测函数

逻辑回归中决策边界与预测函数的理解

2022-04-03 15:58:15 1381

原创 开发环境pycharm虚拟环境工具的使用

开发环境pycharm虚拟环境工具的使用

2021-05-06 22:36:42 230 1

原创 n阶行列式相乘

n阶行列式相乘关于行列式相乘代码如下#n阶行列式相乘(同阶)在实际中用的不是特变多,不如直接算n阶行列式#无特殊情况处理#N1表示第一个行列式#M1表示第二个行列式class Solution(object): def Ride(self): N=input('输入行列式1,按行输入,每一行以竖杆‘|’隔开\n').split("|")#使用竖杆分隔可以明白是几阶行列式 M=input("输入行列式2,按行输入,每一行以竖杆‘|’隔开\n").split

2021-04-18 22:50:21 2521 1

原创 C语言中的clock()函数,计时函数

clock():捕捉从程序开始运行到clock()被调用时所消耗的时间。这个时间单位是clock tick,即“时钟打点”。常数CLK_TCK:机器时钟每秒所走的时钟打点数。以下面代码为例来解释clock()函数的用法#include<stdio.h>#include<time.h> //包含time文件clock_t start,stop;//clock_t是clock()函数返回的变量类型double sum_time;//定义变量用来记录时间int ma

2021-03-07 21:46:02 6903

原创 (python)不可变对象与可变对象的深拷贝与浅拷贝区分

(python)区分深拷贝与浅拷贝当我们在对不可变对象与可变对象进行拷贝操作时会有细微的区别,下面我以自己测试的结果来展开分析它们之间的细微区别。在(python)中可变对象有:字典,列表,集合,自定义的对象等;不可变对象有:数字,字符串,元祖,function等;测试的重点:拷贝后a(源对象)与b(拷贝后的对象)地址时共享还是独立首先对可变对象list进行测试:#测试列表浅拷贝与深拷贝import copydef textCopy(): '''测试浅拷贝''' #不拷

2021-01-29 15:54:27 312 1

原创 代码优化的一些手段(以python为例)

代码优化的一些手段总结最近在学python,总结了一些关于代码优化的手段。作为初学者,写的可能任存在问题,希望大家斧正。遵循一些原则就可以提高运行的效率,避免低效计算1.在向列表添加元素时,使用append,而不使用+;同样在连接多个字符串时,使用join,而不使用+;(用“+”会产生新的对象,而延长了运行时间)当连接大量的字符串时,便可看出两者的运行效率,以下面的代码为例:import time #引入time进行计时#使用append添加元素strat=time.time()fo

2021-01-17 21:57:05 252 1

原创 关于华为eNSP模拟器设备注册,及AR/WLAN设备启动失败问题

关于华为ensp模拟器设备注册。自己的学习经验,可能任存在很多问题。若遇到如下情况AR设备启动失败:首先打开eNSP, 新建拓扑→点击菜单→工具→注册设备→全选→注册如果遇到注册失败:方法一:可以只选择用Router.就能启动成功了。方法二:检查自己是否安装了VirtualBox,安装完成后打开eNSP→点击帮助→FAQ→如何注册eNSP按步骤进行就能解决。之后如果还是启动失败的话则点击帮助→FAQ→如何解决AR/WLAN启动失败问题。分步骤检查虚拟网卡设置→网卡属

2021-01-14 14:17:28 14995 6

吴恩达机器学习笔记-人工智能机器学习算法入门笔记

该笔记是我在学习吴恩达机器学习时整理的,希望能够帮助到大家,如有错误还请大家指正。如果你想进入尖端人工智能领域,该笔记将帮助你做到这一点,掌握深度学习将为您提供许多新的职业机会。深度学习也是一种新的“超级大国”,它可以让你构建几年前还不可能实现的人工智能系统。使用流行的机器学习库NumPy和scikit-learn在Python中构建机器学习模型。学习建立和训练有监督的机器学习模型,用于预测和二元分类任务,包括线性回归和逻辑回归。 学习使用TensorFlow构建和训练一个神经网络来执行多类分类。应用机器学习开发的最佳实践,使您的模型泛化。学习将使用无监督学习技术进行无监督学习:包括聚类和异常检测。使用协同过滤方法和基于内容的深度推荐系统。 希望这个笔记能够帮助到你。

2023-01-26

吴恩达AI for everyone学习笔记

吴恩达AI for everyone学习笔记,人工智能入门笔记,普及人工智能基本技术及其实践,以及目前人工智能技术的边界和局限。了解人工智能是如何影响社会的,以及如何在这项技术变革中前行。 如果您是一个没有技术背景的商务专业人士,这个笔记将帮助您理解如何建立一个可持续的人工智能战略。如果您是一名机器学习工程师或数据科学家,试图让您的经理或公司高管了解您能胜任(和不能胜任)什么,那么这个笔记也能帮助到你。 在学习吴恩达的课程时,可以通过观看视频的同时,看这份笔记,能极大的提升您的学习效率,相辅相成,这个笔记包括揭秘人工智能,建立AI项目(如何选择一个人工智能项目,与人工智能团队合作),在公司里运用AI,AI与社会。 这份笔记也是我在学习过程中的总结与整理,希望能够对你学习AI for everyone有所帮助,当然因为是自己的学习整理,这份笔记也难免会有一些错误,还希望各位发现后给予指正,可以私信同我交流。

2023-01-26

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除