Aaron12

摘要：概率和统计是同一个东西吗？ 概率：已知模型和参数，求数据 统计：已知数据，求模型和参数 贝叶斯公式在说什么？ 公式里括号后面一项才是 条件概率： 贝叶斯公式： 贝叶斯公式： 理解：有多重情况可能导致事件B发生，现在事件B已经发生了，要求出由于事件A导致事件B发生的可能性大小。 似然函数 概率：在参数 阅读全文

摘要：问题： 1，如何确定车牌的位置？ 2，识别的过程用神经网络或者深度的方式更好 主要包括三个步骤 车牌定位：读取图像、高斯去躁、获取灰度图、获取二值化图、腐蚀膨胀去除小的噪声点、SoBel算子或者Robert算子边缘检测 确定车牌位置依据：1、车牌有长宽比 2、车牌区域有一定面积 面积过大或者过小都不 阅读全文

摘要：误差反向传播算法（Backpropagation）是目前用来训练人工神经网络（Artificial Neural Network，ANN）的最常用且最有效的算法。其主要思想是： （1）前向传播：训练及数据经过输入层、隐含层、输出层，计算估计值 （2）反向传播：由于估计值与实际值有偏差，计算估计值与实 阅读全文

摘要：（1）如何理解核函数能把低维映射到高维 关键：因为有泰勒展开 严格说是为什么高斯核函数能够将低维映射到无穷维 对于高斯核为什么可以将数据映射到无穷多维，我们可以从泰勒展开式的角度来解释， 首先我们要清楚，SVM中，对于维度的计算，我们可以用内积的形式，假设函数： 表示一个简单的从二维映射到三维。则在 阅读全文

摘要：常用指令 (1) 数据记录筛选： (2) 更新数据记录： (3) 删除数据记录： (4) 添加数据记录： (5) 数据记录统计函数： 创建数据库： 命令：create database 数据库名； 示例：create database student； 删除数据库: 命令：drop database 阅读全文

摘要：。。 阅读全文

摘要：三：Linux基本命令 1. 绝对路径用什么符号表示？当前目录、上层目录用什么表示？主目录用什么表示? 切换目录用什么命令？ 2. 怎么查看当前进程？怎么执行退出？怎么查看当前路径？ 3. 怎么清屏？怎么退出当前命令？怎么执行睡眠？怎么查看当前用户id？查看指定帮助用什么命令？ 4. Ls 命令执行 阅读全文

摘要：一、正则化基础 正则化等价于结构风险最小化，就是在经验风险后面加上了表示模型复杂度的正则化项或惩罚项。 正则化的作用是 选择经验风险和模型复杂度都较小的模型，减低模型复杂度，防止过拟合，提高泛化能力。 一般来说，高复杂度的模型容易过拟合，因为它需要学习更多的特征参数，而往往训练样本的数量不足以让其充 阅读全文

摘要：机器学习基础 判别模型与生成模型 生成模型：由数据学习联合概率分布P(X,Y)，然后求出条件概率分布P(Y|X)作为预测的模型。（朴素贝叶斯、Kmeans） 生成模型可以还原联合概率分布p(X,Y)，并且有较快的学习收敛速度，还可以用于隐变量的学习 判别模型：由数据或者条件概率分布P(Y|X)或者学 阅读全文

摘要：问：你会hadoop吗？ 答：会一点点，有了上次教训，不敢声称自己会 问：那你给我说说mapreduce 答：我说这是分布式处理，举了个例子，讲的很浅显 问：其实mapreduce大概就这个思想吧，你说的过于简单了，实际上处理还是很复杂的 答：是的，我还只懂些皮毛 MapReduce：通常来讲，我们 阅读全文

摘要：SVM SVM的原理是什么？ SVM是一种二类分类模型。它的基本模型是在特征空间中寻找间隔最大化的分离超平面的线性分类器。（间隔最大使它有别于感知机） （1）当训练集线性可分时，通过硬间隔最大化，学习一个线性分类器（线性可分支持向量机）； （2）当训练集近似线性可分时（比如有噪声），引入松弛变量，通 阅读全文

摘要：OSI，TCP/IP，五层协议的体系结构，以及各层协议 OSI分层 （7层）：物理层、数据链路层、网络层、传输层、会话层、表示层、应用层。 TCP/IP分层（4层）：网络接口层、 网际层、运输层、 应用层。 五层协议 （5层）：物理层、数据链路层、网络层、运输层、 应用层。 阅读全文

摘要：创建类和对象 面向对象编程是一种编程方式，此编程方式的落地需要使用 “类” 和 “对象” 来实现，所以，面向对象编程其实就是对 “类” 和 “对象” 的使用。 类就是一个模板，模板里可以包含多个函数，函数里实现一些功能（手机） 对象则是根据模板创建的实例，通过实例对象可以执行类中的函数（华为手机、小 阅读全文

摘要：一、搭建Android开发环境 准备工作：下载Eclipse、JDK、Android SDK、ADT插件 下载地址：Eclipse:http://www.eclipse.org/downloads/ Android ADT23.0.6 链接：https://blog.csdn.net/tomatul 阅读全文

摘要： 阅读全文

摘要： 阅读全文