- 博客(6)
- 收藏
- 关注
RSS订阅原创 离散数学——派谁出国问题
某公司要从赵、钱、孙、李、周五名新毕业的大学生中选派一些人出国学习。选派必须满足以下条件： （1）若赵去，则钱也去 （2）李、周两人中必有一人去 （3）钱、孙两人中去且仅去一人 （4）孙、李两人同去或同不去 （5）若周去，则赵、钱也去 用等值演算法分析该公司如何选派他们出国。代码如下：# w3-1-p45-30.# 某公司要从赵、钱、孙、李、周五名新毕业的大学生中选派一些人出国学习。选派必须满足以下条件：# （1）若赵去，则钱也去# （2）李、周两人中必有一人去# （3）钱、.
2022-03-16 18:55:24
997
原创 用python实现主范式
1.为了方便计算，可以将中缀表达式转变为后缀表达式（逆波兰式）方法：（1）创建一个空栈opstack，用于存放运算符，创建一个空列表output用于保存输出结果（2）使用python字符串的split函数将输入的中缀表达式（infix）字符串分割成列表并存入input列表中。（3）从左到右遍历input列表的每个元素token若token是运算数，直接append到output中； 若token是运算符，先判断它与opstack栈顶元素的运算优先级（注：小括号的优先级约定为最低），若：
2022-03-16 18:47:11
2022
原创 离散数学——命题逻辑代码实现
例1：# ls = [0,1]# for z in ls:# for li in ls:# for w in ls:# s1=(li==1)# s2=(w==1)# s3=(z+li==2)# if(s1+s2+s3==2 and z+li+w==1)\k# or(s1+s2+s3==1 and z+li+w==2)\#
2022-03-08 22:44:44
1759
原创 梯度下降与一元线性回归
梯度下降基本概念梯度下降法（gradient descent),又名最速下降法（steepest descent)是求解无约束最优化问题最常用的方法。它是一种迭代方法，每一步主要的操作是求解目标函数的梯度向量，将当前位置的负梯度方向作为搜索方向（因为在该方向上目标函数下降最快）方向导数：方向导数是在函数定义域的点对某一方向求导得到的导数。梯度：梯度是一个向量，函数在该点处沿着该方向（此梯度的方向）变化最快。公式为：算法流程（1）随机初始参数（2）确定学习率（3..
2022-01-22 14:41:55
1348
原创 逻辑回归（Logistic Regression）
逻辑回归是线性回归的一种，事实上他是一个被logistic方程归一化后的线性回归，将样本的特征与发生的概率联系起来。逻辑回归虽然被成为回归，但其实是分类模型，并常用于二分类。作用：1.估计某事物的可能性 2.适用于流行病学资料的危险因素分析1.sigmoid函数表达式:图像为：特点：该函数有一个很好的特性就是在实轴域上y的取值在（0，1），且有很好的对称性，对极大值和极小值不敏感（因为在取向无论是正无穷还是负无穷的时候函数y几乎都很稳定）基于si...
2022-01-21 22:21:41
1317
转载 矩阵分解及其Python代码实现
有如下R(5,4)的打分矩阵：（“-”表示用户没有打分）其中打分矩阵R(n,m)是n行和m列，n表示user个数，m行表示item个数那么，如何根据目前的矩阵R（5,4）如何对未打分的商品进行评分的预测（如何得到分值为0的用户的打分值）？可以利用矩阵分解解决这个问题。矩阵R可以近似表示为P与Q的乘积：R（n,m）≈ P(n,K)*Q(K,m)将原始的评分矩阵分解成两个矩阵和的乘积：矩阵P(n,K)表示n个user和K个特征之间的关系矩阵，这K个特征是一个中间变量，矩阵Q(K,m.
2022-01-16 16:22:00
1343
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人