1直在路上1

摘要： 一、什么是高斯混合模型（GMM） 高斯混合模型（Gaussian Mixed Model）指的是多个高斯分布函数的线性组合，通常用于解决同一集合下的数据包含多个不同的分布的情况，如解决分类情况 如下图，明显分成两个聚类。这两个聚类中的点分别通过两个不同的正态分布随机生成而来。如果只用一个的二维高斯分 阅读全文

摘要： 第三章：TensorFlow入门 TensorFlow存在计算模型，数据模型和运算模型（本文用TF代表TensorFlow） 3.1 计算模型-计算图 3.1.1 计算图的概念 TensorFlow这个词Tensor表示张量，可以简单的理解为多维数组，Flow直观的表达了张量之间通过计算相互转化的过 阅读全文

摘要： 二、比对 1）Blat：全称 The BLAST-Like Alignment Tool，可以称为"类BLAST 比对工具"，对于DNA序列，BLAT是用来设计寻找95%及以上相似至少40个碱基的序列。对于蛋白序列，BLAT是用来设计寻找80%及以上相似至少20个氨基酸的序列。 Blat 的主要特点 阅读全文

摘要： （什么~为什么~哪些） 一、为何需要归一化 不同的评价指标往往具有不同的量纲（例如：对于评价房价来说量纲指：面积、房价数、楼层等；对于预测某个人患病率来说量纲指：身高、体重等） 这样的情况会影响到数据分析的结果，为了消除指标之间量纲的影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据 阅读全文

摘要： 3P-2L 梯度~反向传播~实例~局部~凸函数 一、逻辑回归简介 一句话概括：逻辑回归假设数据服从伯努利分布，通过极大化似然函数的方法，运用梯度下降来求解参数，来达到将数据二分类的目的 这里面其实包含了5个点 1：逻辑回归的假设，2：逻辑回归的损失函数，3：逻辑回归的求解方法，4：逻辑回归的目的，5 阅读全文

摘要： 一、单位矩阵 单位矩阵的结构很简单： 1. 它是"正方形"（行数与列数相同） 2. 所有沿主对角线的元素都是1，而所有其他位置的元素都是0 \begin{bmatrix}1&0&0\\0&1&0\\0&0&1\\\end{bmatrix} 二、可逆矩阵 设A是n阶矩阵，如果有n阶矩阵B，使得：\(A 阅读全文

摘要： 一、简介 GBDT在传统机器学习算法里面是对真实分布拟合的最好的几种算法之一，在前几年深度学习还没有大行其道之前，gbdt在各种竞赛是大放异彩。原因大概有几个 一：效果确实挺不错。 二：既可以用于分类也可以用于回归。 三：可以筛选特征。 这三点实在是太吸引人了，导致在面试的时候大家也非常喜欢问这个算 阅读全文

摘要： 核心~结合（易少缺过）~最佳~步骤 一、决策树分类 决策树分为两大类，分类树和回归树 分类树用于分类标签值，如晴天/阴天/雾/雨、用户性别、网页是否是垃圾页面 回归树用于预测实数值，如明天的温度、用户的年龄 两者的区别： 分类树的结果不能进行加减运算，晴天+晴天没有实际意义 回归树的结果是预测一个数 阅读全文

摘要： 一、什么是范数 范数是衡量某个向量空间（或矩阵）中的每个向量的长度或大小。范数的一般化定义：对实数p>=1， 范数定义如下： \(||x||_p := (\sum_{i=1}^{n}|x_i|^p)^{1/p}\) L1范数 当p=1时，是L1范数，其表示某个向量中所有元素绝对值的和。 L2范数 当 阅读全文

摘要： 一、tf.Variables() tf.Variable() 使用TF在默认的图中创建节点，这个节点是一个变量。Variable第一个参数表示初始化的值，如：state = tf.Variable(0 , name='counter') tf.get_variable()：和tf.Variable最 阅读全文