摘要: 笔记迁移 阅读全文
posted @ 2021-02-24 20:48 蛮好不太坏 阅读(459) 评论(0) 推荐(0) 编辑
摘要: 深度学习 阅读全文
posted @ 2020-06-09 22:54 蛮好不太坏 阅读(1585) 评论(0) 推荐(0) 编辑
摘要: 最大似然估计 阅读全文
posted @ 2020-06-08 10:43 蛮好不太坏 阅读(2912) 评论(0) 推荐(1) 编辑
摘要: 参考链接 一、例子 Data = rand(9,3);%创建维度为9×3的随机矩阵样本 indices = crossvalind('Kfold', 9, 3);%将数据样本随机分割为3部分 for i = 1:3 %循环3次,分别取出第i部分作为测试样本,其余两部分作为训练样本 test = (i 阅读全文
posted @ 2020-06-07 21:10 蛮好不太坏 阅读(10304) 评论(0) 推荐(0) 编辑
摘要: 原文链接 一:问题 有两个规模相同的数组,两个数组相同位置的元素一一对应,现在要将两数组的元素同时打乱顺序,并且乱序后的两数组对应位置元素要保持乱序前的对应关系。 二:方法 采用randperm()函数,产生随机种子,然后按随机种子重新排序,即得到排序后的数组。 三、实例 >> A=rand(5,2 阅读全文
posted @ 2020-06-07 15:51 蛮好不太坏 阅读(1117) 评论(0) 推荐(0) 编辑
摘要: 线性回归知识(参考链接) 正规方程推导过程 代码实现 matlab x(1:10,1) = [-0.5,-0.45,-0.35,-0.35,-0.1,0,0.2,0.25,0.3,0.5]; x(1:10,2) = 1; y = [-0.2,0.1,-1.25,-1.2,0,0.5,-0.1,0.2 阅读全文
posted @ 2020-06-06 22:59 蛮好不太坏 阅读(169) 评论(0) 推荐(0) 编辑
摘要: 一、通过一个例子来看梯度下降法是怎么算的 函数,求解其最小值 1.求解梯度函数 2.给定初始点,计算出该点的梯度,开始迭代 3.计算初始点梯度模,判断是否满足终止条件,如果满足,得到终点。如果不满足,求得当前最优的学习率,然后迭代。 function [k ender]=steepest(f,x,e 阅读全文
posted @ 2020-06-06 18:30 蛮好不太坏 阅读(5397) 评论(0) 推荐(0) 编辑
摘要: 一元函数的导数与Taylor级数 在微积分中,函数,它在几何上指的就是函数f(x)在x0上的切线方向。 通常来说,为了计算某个函数f(x)的最大值或者最小值,通常都计算他的导数f'(x),然后求解方程f'(x)=0就可以得到函数的临界点,进一步判断这些临界点是否是最大值或者最小值。 但是,临界点并不 阅读全文
posted @ 2020-06-06 15:50 蛮好不太坏 阅读(548) 评论(0) 推荐(0) 编辑
摘要: 作者:指北针链接:https://www.zhihu.com/question/35088093/answer/1043915561来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 干货预警!作为一位效率控,借着这个话题直接推荐12个超赞的软件,这些软件无论是学习、还是 阅读全文
posted @ 2020-06-06 11:37 蛮好不太坏 阅读(542) 评论(0) 推荐(0) 编辑
摘要: 作者:秦阳链接:https://www.zhihu.com/question/21287237/answer/859651858来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 对于「必装」,我的理解是:你得每天用得上!最好还是简单易入手,且一旦学会就能大大提高工作效率 阅读全文
posted @ 2020-06-06 11:35 蛮好不太坏 阅读(263) 评论(0) 推荐(0) 编辑