zhangbo_0323的博客

朴素贝叶斯分类

请看 http://blog.csdn.net/Dark_Scope/article/details/17228643  极其好呀当然这种矩阵分解的方式也可以应用在其他问题上，比如我就用在天池比赛交通预测上了。因为没有系统的学这部分知识。我个人有个疑惑：传统的SVD（我指的是data=U*xigema*V），看xigema的对角值的占比来进行降维，与这个公式下的矩阵分解有什么异同呢

实在是懒得在网上记笔记，手写一遍加深理解吧。建议新手也自己推一推公式吧，再见。有个问题：拟牛顿法会不会陷入局部最优解，怎么来理解这里，有点蒙，不像梯度下降那么直观，用图形就好理解了？有大哥看见帮帮忙吧！留言加好友啊！一起机器学习！

ubuntu16.04下 显卡驱动384.98+cuda9.0+cudnn9.0+caffe 安装我自己尝试的在16.04下安装如上所述，系统安装不多说，主要说显卡驱动往下的部分，和我自己遇到的问题和解决办法。装ubuntu16.04显卡驱动384.98cuda9.0cudnn9.0caffe导入导出Markdown文件丰富的快捷键装ubuntu16.04原系统是win10，在这个基

1年前给师弟写的 刚才整理资料看到了 放网上吧 如果有侵犯到大佬隐私 请私信我 马上删除一：前言1.1 学习机器学习有什么好处 因为成年人的世界讲利弊，所以大部分人在做选择的时候只考虑对自己有极大利益的决定。虽然我们往往否认这样的说辞，但不得不承认多数人就是这么做的。那我就功利的讲讲学机器学习的好处：第一，容易写论文，只要有数据，只要会熟练运用各种算法模型，只要加一点针对数据的改进获得...

tensorflow 中交叉熵损失函数的计算方法下列代码中l1 是自定义计算方式l2 是利用 tf.nn.softmax_cross_entropy_with_logits_v2 输入的真实标签需要onehot处理l3 是利用 tf.nn.sparse_softmax_cross_entropy_with_logits输入的真实标签是原始多分类中的为1的类别的索引l4 是losses...