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(12)
  • 资源 (9)
  • 收藏
  • 关注

原创 多元回归分析(multiple regression)及其应用

1. 与简单线性回归区别(simple linear regression) 多个自变量(x)2. 多元回归模型 y=β0+β1x1+β2x2+ … +βpxp+ε 其中:β0,β1,β2… βp是参数 ε是误差值3. 多元回归方程 E(y)=β0+β1x1+β2x2+ … +βpxp4. 估计

2017-10-06 22:14:25 62815

原创 简单线性回归及实现

0. 前提介绍:为什么需要统计量?      统计量:描述数据特征0.1 集中趋势衡量 0.1.1均值(平均数,平均值)(mean) graphic {6, 2, 9, 1, 2} (6 + 2 + 9 + 1 + 2) / 5 = 20 / 5 = 4 0.1.2中位数 (median): 将数据中的各个数值按照大小顺序排列,居

2017-10-06 22:01:43 646

转载 标签二值化LabelBinarizer

转载自:http://blog.sina.com.cn/s/blog_a6c646330102vx6y.html 对于标称型数据来说,preprocessing.LabelBinarizer是一个很好用的工具。比如可以把yes和no转化为0和1,或是把incident和normal转化为0和1。当然,对于两类以上的标签也是适用的。这里举一个简单的例子,说明将标签二值化以及其逆过程。# -*- c

2017-10-06 20:44:51 914

原创 神经网络算法(Nerual Networks)应用

1. 关于非线性转化方程(non-linear transformation function)sigmoid函数(S 曲线)用来作为activation function: 1.1 双曲函数(tanh) 1.2 逻辑函数(logistic function)2. 实现一个简单的神经网络算法# -*- coding:utf-8 -*-import numpy as np

2017-10-06 20:40:05 2717

原创 神经网络算法(Nerual Networks)

1. 背景: 1.1 以人脑中的神经网络为启发,历史上出现过很多不同版本 1.2 最著名的算法是1980年的 backpropagation 2. 多层向前神经网络(Multilayer Feed-Forward Neural Network) 2.1 Backpropagation被使用在多层向前神经网络上 2.2 多层向前神经网络由以下部分组成:

2017-10-06 16:24:58 773

原创 支持向量机(SVM)算法应用

第一个简单的小例子:# -*-coding:utf-8 -*-from sklearn import svmx = [[2, 0], [1, 1], [2, 3]]y = [0, 0, 1]clf = svm.SVC(kernel = 'linear')# kernel :核函数,默认是rbf,可以是‘linear’, ‘poly’, ‘rbf’, #‘sigmoid’, ‘precomput

2017-10-05 22:12:09 1611

原创 支持向量机(SVM)算法

1. 背景: 1.1 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出 1.2 目前的版本(soft margin)是由Corinna Cortes 和 Vapnik在1993年提出,并在1995年发表 1.3 深度学习(2012)出现之前,SVM被认为机器学习中近十几年来最成功,表现最好的算法.是最好的现成的分类器,‘现成’指

2017-10-05 16:00:53 1979

转载 python中的sort方法和sorted使用详解

Python中的sort()方法使用基础一、基本形式sorted(iterable[, cmp[, key[, reverse]]])iterable.sort(cmp[, key[, reverse]])参数解释: (1)iterable指定要排序的list或者iterable; (2)cmp为函数,指定排序时进行比较的函数,也就是用来排序的函数,可以指定一个函数或者lambda函数,如

2017-10-03 16:11:34 3875

原创 最邻近规则分类(K-Nearest Neighbor)KNN算法应用

最邻近规则分类(K-Nearest Neighbor)KNN算法应用1.Iris数据集介绍调用ython的机器学习库sklearn实现虹膜分类 Iris数据包含150条样本记录,分剐取自三种不同的鸢尾属植物setosa、versic010r和virginica的花朵样本,每一 类各50条记录,其中每条记录有4个属性:萼片长度(sepal length)、萼片宽度sepalwidth)、花瓣长

2017-10-03 15:13:14 750 1

原创 最邻近规则分类(K-Nearest Neighbor)KNN算法

最邻近规则分类(K-Nearest Neighbor)KNN算法1. 综述 1.1 Cover和Hart在1968年提出了最初的邻近算法 1.2 KNN是一种分类(classification)算法 1.3 输入基于实例的学习(instance-based learning), 懒惰学习(lazy learning)(因为KNN就是一种属于随大流的思想,我离那个部落近我就属于哪里的人)2. 例

2017-10-03 12:41:59 563

原创 scikit-learn实现决策树

Python机器学习的库:scikit-learn1.1: 特性: 简单高效的数据挖掘和机器学习分析 对所有用户开放,根据不同需求高度可重用性 基于Numpy, SciPy和matplotlib 开源,商用级别:获得 BSD许可1.2 覆盖问题领域: 分类(classification), 回归(regression), 聚类(clustering), 降维(dimension

2017-10-02 23:16:33 950

转载 python获取当前路径

转自:http://www.cnblogs.com/wind-wang/p/5822192.html import os,sys 使用sys.path[0]、sys.argv[0]、os.getcwd()/os.path.abspath(__file__)、os.path.realpath(__file__) sys.path是Python会去寻找模块的搜索路径列表,sys.path[0]和s

2017-10-02 18:41:48 2133

hadoop2.7.6-binaries.rar

hadoop2.7.x 都可以使用,在windows环境下运行hadoop、hbase、spark需要winutils.exe,否则会报错Could not locate executable null\bin\winutils.exe in the Hadoop binaries。

2018-06-26

机器学习:实用案例解析(中文版,带完整书签)

机器学习 实用案例 案例解析 中文版 带完整书签 机器学习 实用案例 案例解析 中文版 带完整书签 机器学习 实用案例 案例解析 中文版 带完整书签 机器学习 实用案例 案例解析 中文版 带完整书签 机器学习 实用案例 案例解析 中文版 带完整书签 机器学习 实用案例 案例解析 中文版 带完整书签 机器学习 实用案例 案例解析 中文版 带完整书签 机器学习 实用案例 案例解析 中文版 带完整书签 机器学习 实用案例 案例解析 中文版 带完整书签 机器学习 实用案例 案例解析 中文版 带完整书签 机器学习 实用案例 案例解析 中文版 带完整书签

2017-10-29

Python科学计算

本书介绍如何用Python开发科学计算的应用程序,除了介绍数值计算之外,还着重介绍如何制作交互式的2D、3D图像,如何设计精巧的程序界面,如何与C语言编写的高速计算程序结合,如何编写声音、图像处理算法等内容。书中涉及的Python扩展库包括NumPy、SciPy、SymPy、matplotlib、Traits、TraitsUI、Chaco、TVTK、Mayavi、VPython、OpenCV等,涉及的应用领域包括数值运算、符号运算、二维图表、三维数据可视化、三维动画演示、图像处理以及界面设计等。, 书中以大量实例引导读者逐步深入学习,每个实例程序都有详尽的解释,并都能在本书推荐的运行环境中正常运行。此外,本书附有大量的图表和插图,力求减少长篇的理论介绍和公式推导,以便读者通过实例和数据学习并掌握理论知识。

2017-10-29

深度学习 DLbook_cn_public AI圣经 中文版电子书【完整版】

伊恩·古德费洛 (Ian Goodfellow) (作者), 约书亚·本吉奥 (Yoshua Bengio) (作者), 亚伦·库维尔 (Aaron Courville) (作者), 赵申剑 (译者), 黎彧君 (译者), 符天凡 (译者), 李凯 (译者) 最新版 2017.7.27 平装版 AI圣经《Deep Learning》中文版 PDFAI圣经《Deep Learning》中文版 PDFAI圣经《Deep Learning》中文版 PDFAI圣经《Deep Learning》

2017-10-29

五子棋游戏 C++ 电脑可运行 亲测

自己亲测,适合初学者学习练习,也可用于课程设计

2014-10-05

数字基带系统模型

亲自测试 很适合课程设计 数字基带传输系统 通信原理课程设计

2014-01-06

android 手机开发游戏源代码

这些源代码都是亲自调试过的,有的改改就可以直接用的,如果是学生参加软件大赛的话,帮助很大,也适合开发人员练手。

2014-01-06

android手机游戏源码

手机游戏源码,可运行,比较好 package com.itcast; import java.io.IOException; import java.util.HashMap; import java.util.Map; import android.content.Context; import android.media.MediaPlayer; public class SoundService { Map<Integer, MediaPlayer> sounds = new HashMap<Integer, MediaPlayer>(); Context context = null; public SoundService(Context context) { this.context = context; } public void play(int resId) { MediaPlayer mp = sounds.get(resId); if (mp == null) { mp = MediaPlayer.create(context, resId); if (mp == null) { return; } sounds.put(resId, mp); } if (mp.isPlaying()) { mp.reset(); try { mp.prepare(); mp.start(); } catch (IllegalStateException e) { // TODO Auto-generated catch block e.printStackTrace(); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } else { mp.start(); } } public void release() { for(Map.Entry<Integer, MediaPlayer> entry : sounds.entrySet()) { MediaPlayer mp = entry.getValue(); if (mp != null) { mp.release(); } } } }

2013-06-24

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