上一页 1 ··· 4 5 6 7 8 9 10 11 12 13 下一页
摘要: 当同时使用有线内网与无线外网时,因为优先使用的是有线网所以在上外网时无法连接。这里主要参考了文末资料中的第二种方式进行设置。 第一步 首先在控制版中打开网络与共享中心,将无线网络与有线网络的Internet协议(TCP/IP)中自动获得IP地址修改为使用下面的IP地址(设置信息可以在网络和共享中心 阅读全文
posted @ 2019-11-08 14:20 bitbitbyte 阅读(474) 评论(0) 推荐(0)
摘要: 进入目录后下载一个文件: sz filename 下载多个文件: sz filename1 filename2 如果需要下载该目录下的所有文件,需要先在该目录下对文件进行压缩: zip -r Industrial.zip ./* 参考:https://blog.csdn.net/u013594477 阅读全文
posted @ 2019-11-07 15:47 bitbitbyte 阅读(610) 评论(0) 推荐(0)
摘要: everything是一款电脑搜索软件。下载链接:https://www.voidtools.com/zh-cn/ 总结一些常用的搜索技巧主要有file, folder, 盘符, ext file:素材 只搜索文件,文件夹不用显示 folder:素材 只搜索文件夹,文件不用显示 ext:py 扩展名 阅读全文
posted @ 2019-11-07 13:42 bitbitbyte 阅读(174) 评论(0) 推荐(0)
摘要: 第8章 正则化过拟合问题代价函数线性回归的正则化 过拟合问题 解决过拟合的方法 减少特征的个数 Manually select which features to keep. Model selection algorithm 正则化(不减少特征个数) Keep all the features, 阅读全文
posted @ 2019-10-27 10:12 bitbitbyte 阅读(105) 评论(0) 推荐(0)
摘要: 删除文件名中以w开头空格结束的子字符串,例如“wj529 xxxx.pdf”修改为“xxxx.pdf” import os import re path=input("请输入文件所在的文件夹路径(路径由\结尾):") #获取该目录下所有文件,存入列表中 fileList=os.listdir(pat 阅读全文
posted @ 2019-10-14 16:15 bitbitbyte 阅读(390) 评论(0) 推荐(0)
摘要: 决策树与if-then规则 决策树可以看成是if-then规则的集合。由决策束的根节点到叶节点的每一条路径构成一条规则,叶节点的作为规则的结论。下图为决策树用于分类问题的示意图(决策树也能用于回归问题)。 特征选择问题 如上图,4个条件对应4个特征,问题在于如何确定每个特征从根节点开始往下的依次顺序 阅读全文
posted @ 2019-10-13 22:55 bitbitbyte 阅读(256) 评论(0) 推荐(0)
摘要: 字符串编辑距离 给定一个源字符串str1和目标字符串str2,能够对源串str1进行如下3种操作: 在给定位置上 1. 插入一个字符 2. 替换任意字符 3. 删除任意字符 在对源字符串str1进行最小操作数的操作后使其等于目标字符串str2,则称该最小操作数为字符串编辑距离。 动态规划 分治方法求 阅读全文
posted @ 2019-10-07 21:30 bitbitbyte 阅读(231) 评论(0) 推荐(0)
摘要: 文章目录确定执行的优先级误差分析不对称性分类的误差评估精确度和找回率的权衡机器学习数据 确定执行的优先级 列出可能的解决方案,然后权衡选择。而不是一开始只是关注去收集更多的数据。例如对于垃圾邮件可以有以下一些方案: 误差分析 一般先花一天时间,简单粗暴的实现一个算法,画出学习曲线,然后逐步改进。 S 阅读全文
posted @ 2019-09-30 08:33 bitbitbyte 阅读(141) 评论(0) 推荐(0)
摘要: 应用机器学习的建议 如何改进算法 更多的训练数据不一定有效 尝试更小的特征 增加特征 增加多项式特征 尝试不同的正则化系数 以上方法可能并不是一些很有效的方法 如何评价和诊断一个机器学习系统,可以极大地提高改进算法的效率。 评估假设 如何防止过拟合与欠拟合的问题 将数据分割为训练集与测试集,统计测试 阅读全文
posted @ 2019-09-29 09:59 bitbitbyte 阅读(118) 评论(0) 推荐(0)
摘要: 代价函数 像大部分机器学习一样,从代价函数开始讲起。 重点讲解,神经网络在分类问题中的应用。 神经网络层数 用LLL来表示神经网络结果的总层数。 每层单元数 用sls_lsl​表示第lll层的单元数,但不包括偏置。 Binary classification 一个输出单元 Multi-class c 阅读全文
posted @ 2019-09-28 11:17 bitbitbyte 阅读(196) 评论(0) 推荐(0)
上一页 1 ··· 4 5 6 7 8 9 10 11 12 13 下一页