摘要： 1.多项式回归 线性回归可以对样本数据是非线性而只对参数是线性的。由线性表达式： $$ h_\theta(x_1, x_2, \cdots, x_n) = \theta_0 + \theta_1x_1 + \theta_2x_2 + \cdots + \theta_nx_n $$ 如果只对参数$\t 阅读全文

摘要： 1.交叉验证的作用 交叉验证是建立模型和验证模型参数的一种方法，可用于评估模型的预测性能。操作方法就是把样本数据分成训练集和测试集，训练集用于训练模型，测试集用来评估模型。 当样本数据不多时（还不到少得可怜的地步），可以采用交叉验证来训练模型，从而选择最优的模型。 2.简单交叉验证 简单交叉验证就是 阅读全文

摘要： 1.下载 切换到 用户。 2.解压安装 然后会有一个类似于 的文件夹。 默认安装目录为 。Eigen库只有头文件组成，没有 或`.a`那样的共享库或静态库，很神奇的一个库。因此在使用时，引入头文件即可，不需要链接库文件。 3.示例 参考官方的例子： "http://eigen.tuxfamily.o 阅读全文

摘要： 在 "线性回归" 中讲述了原理，为了防止过拟合经常会加入正则化项。常用的正则化有L1正则化和L2正则化。 1.LASSO回归 加入L1正则化项的线性回归就叫LASSO回归。L1正则化项即是参数的L1范数，通俗点说，就是参数向量各个分量取绝对值的加和，即，对于$\theta=(\theta_0, \t 阅读全文

摘要： 1.目标函数 已知数据样本： $$ X = \left( \begin{matrix} x_1^{(1)} &x_2^{(1)} &\cdots &x_n^{(1)}\\ x_1^{(2)} &x_2^{(2)} &\cdots &x_n^{(2)}\\ \vdots &\vdots &\ddots 阅读全文

摘要： 1.问题提出 已知数据样本： $$ X = \left( \begin{matrix} x_1^{(1)} &x_2^{(1)} &\cdots &x_n^{(1)}\\ x_1^{(2)} &x_2^{(2)} &\cdots &x_n^{(2)}\\ \vdots &\vdots &\ddots 阅读全文

摘要： Origin C提供了 类用于创建小视频。通过这个类，可以指定创建视频的编码格式，帧速，视频的宽度和高度等。然后可以把Origin中的画图窗口作为每一帧的图画来建立一个视频。 代码步骤： 1.引入头文件 2.指定编码格式 3.创建视频文件 4.写入帧 5.释放VideoWriter 源码可于gith 阅读全文

摘要： 1.准备工作 升级gcc到4.8版本： 升级binutils至2.25： CMake： 下载OpenCV： github比较慢，可以用这个： "https://zh.osdn.net/projects/sfnet_opencvlibrary/releases/" 。 安装Nux Dextop Yum 阅读全文

摘要： 1.下载Java包 下载的是1.7版本的Java。 "https://www.oracle.com/technetwork/java/javase/archive 139210.html" 。 2.安装 在 文件中添加如下内容： 启用及查看版本： 阅读全文

摘要： 1.安装开发工具包 其它必需包： 2.安装Python 2.7.16 是为了以后安装tensorflow。 默认python2.7.16安装在 下，系统自带的在 下。 移除系统默认版本： 如果有 的软件链接，则删除： 创建新版本的软链接，从而更新系统默认版本： 使用新版本的Python后，yum不可 阅读全文