摘要： 1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 在分类中，已知存在哪些类，即对于目标数据库中存在哪些类是知道的，要做的就是将每一条记录分别属于哪一类标记出来。 聚类分析是研究如何在没有训练的条件下把样本划分为若干类。 简述什么是监督学习与无监督学习。 从给定的训练数据集中学 阅读全文

摘要： 1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下） 过拟合就是参数调的太符合样本，所以解决的方法就有两方面 1.样本。 原本样本只有A，导致参数符合A，现在增加样本种类和大小，这样参数调整出来就符合更多的A。 2.参数。 让参数调整的没那么好。这就衍生出正则化、dr 阅读全文

摘要： 自主编写K-means算法 ，以鸢尾花花瓣长度数据做聚类，并用散点图显示。 代码： from sklearn.datasets import load_irisimport numpy as npiris = load_iris()data = iris['data']data.shapedata[ 阅读全文

摘要： 概率论与贝叶斯先验学习记录 矩阵和线性代数学习记录 梯度 梯度本意是一个向量，具有向量的属性，既有方向也有大小，大小为最大方向导数，方向为沿着梯度向量的方向，最大值为梯度向量的方向，最小值为梯度向量相反的方向。 梯度下降 梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)，找到最 阅读全文

摘要： 1.PyCharm以及pip编程环境 2.视频学习笔记 3.什么是机器学习，有哪些分类？ 机器学习（Machine Learning，ML）是人工智能的核心，涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能 阅读全文

摘要： 1.语法文法G[E]如下所示： –E-->E+T | E-T | T –T-->T* F | T/F | F –F-->P^ F | P –P-->(E) | i 要求构造出符合语义分析要求的属性文法描述 解： E-->E+T { E.place:=newtemp; emit(E.place,':= 阅读全文

摘要： 1.将以下文法消除左递归，并分析符号串 i*i+i E -> E+T | T T -> T*F | F F -> (E) | i 答：E'->T E'->T+...+T+T+T|& T'->F T'->F*F*F*F...|& F->(E) | i 2.101页第7题（2）（3） （2）A->aAB 阅读全文

摘要： 1.将DFA最小化：教材P65 第9题 DFA最小化的图如下 用正规式描述其所识别的语言： a(c*|{da}*)bb* 2.构造以下文法相应的最小的DFA S→ 0A|1B A→ 1S|1 B→0S|0 S→ 0A|1B→S→ 0(1S|1)|1(0S|0)→01S | 01 | 10S | 10 阅读全文

摘要： NFA 确定化为 DFA NFA 确定化为 DFA NFA 确定化为 DFA 子集法： f(q,a)={q1,q2,…,qn},状态集的子集 将{q1,q2,…,qn}看做一个状态A，去记录NFA读入输入符号之后可能达到的所有状态的集合。 步骤： 1.根据NFA构造DFA状态转换矩阵 ①确定DFA初 阅读全文

摘要： 1.正规式转换到正规文法 对任意正规式R选择一个非终结符Z生成规则Z→R 1.对形如A→ab的规则，转换成A→aB,B→b 2.将形如A→a|b的规则，转换成A→a,A→b(A→a|b) 3.将形如A→a*b的规则，转换成A→aA,A→b 将形如A→ba*的规则，转换成A→Aa,A→b 不断利用上述 阅读全文