11 2015 档案

matlab实现M/M/1排队系统
摘要：Matlab实现。 分为主函数 MyLine 和被调用函数 Func。 主函数 MyLine 实现在 Func 函数的基础上实现序贯法， 将平均等待队长作为每次模拟的 X，求出置信区间。Func 函数实现单次模拟排队系统，返回向量 vector。向量vector分别包括仿真平均排队时间Cus_Que 阅读全文
posted @ 2015-11-22 21:30 Deribs4 阅读(3940) 评论(0) 推荐(0)
matlab中如何根据t检验参数查找t检验值
摘要：这个问题花了一些时间。先看图这个是t检验里面的公式，但是如何在matlab中找到该式子对应的值，我现在才知道。就是这样：x=tinv(1-α/2,n-1)----t(n)分布的上侧α分位数类似的还有MATLAB中解决F分布和t分布问题：x=finv(1-α,n1,n2)----F(n1,n2)分布的... 阅读全文
posted @ 2015-11-22 21:28 Deribs4 阅读(1671) 评论(0) 推荐(0)
【转】sublime text 2 中文乱码解决办法
摘要：只是截取了一部分操作：http://www.cnblogs.com/c4isr/p/3791121.html。最后成功就没再试下去。 阅读全文
posted @ 2015-11-21 15:12 Deribs4 阅读(194) 评论(0) 推荐(0)
Assignment 1:Chinese Text Data Processing.
摘要：记录过程。Lucene分词：http://blog.csdn.net/cyxlzzs/article/details/7999212Lucene自定义词典：http://lilongbao.blog.163.com/blog/static/2128760512013689194583/注意点：.di... 阅读全文
posted @ 2015-11-19 22:11 Deribs4 阅读(279) 评论(0) 推荐(0)
c++关于map的find和count的使用
摘要：编程的时候比较常用，今天记录一下，以后备用。使用count，返回的是被查找元素的个数。如果有，返回1；否则，返回0。注意，map中不存在相同元素，所以返回值只能是1或0。使用find，返回的是被查找元素的位置，没有则返回map.end()。例子： 1 #include 2 #include 3 #i... 阅读全文
posted @ 2015-11-08 21:15 Deribs4 阅读(93048) 评论(0) 推荐(4)
leetcode Two Sum
摘要：Two SumMy SubmissionsQuestionTotal Accepted: 153113 Total Submissions: 806302 Difficulty: Medium Given an array of integers, find two numbers such tha... 阅读全文
posted @ 2015-11-08 20:56 Deribs4 阅读(182) 评论(0) 推荐(0)
leetcode Group Anagrams
摘要：Group AnagramsMy SubmissionsQuestionTotal Accepted:54426Total Submissions:217518Difficulty:MediumGiven an array of strings, group anagrams together.Fo... 阅读全文
posted @ 2015-11-08 20:08 Deribs4 阅读(245) 评论(0) 推荐(0)
机器学习常见算法分类汇总
摘要：网上找的一篇文章，对于处于入门阶段还是比较合适的，里面有些知识之前有些接触，先了解着，具体接触到了也不会那么突兀。 文章根据学习方式将机器学习算法分为4大类：监督学习、非监督学习、半监督学习和深度学习。简单介绍了一些几类典型的算法，并简单地分了类。学习方式 根据数据类型的不同，对一个问题的建... 阅读全文
posted @ 2015-11-08 12:39 Deribs4 阅读(771) 评论(0) 推荐(0)
KD树
摘要：什么是KD树 Kd-树是K-dimension tree的缩写，是对数据点在k维空间（如二维(x，y)，三维(x，y，z)，k维(x，y，z..)）中划分的一种数据结构，主要应用于多维空间关键数据的搜索（如：范围搜索和最近邻搜索）。本质上说，Kd-树就是一种平衡二叉树。 首先必须搞清楚的是，k-... 阅读全文
posted @ 2015-11-07 23:12 Deribs4 阅读(6906) 评论(1) 推荐(0)
偏差与方差（未完）
摘要：偏差与方差1.1概念性的定义基于偏差的误差：所谓基于偏差的误差是我们模型预期的预测与我们将要预测的真实值之间的差值。偏差是用来衡量我们的模型的预测同真实值的差异，就是我们想要做的、理想符合的模型和我们已经做的模型的差距。基于方差的误差：基于方差的误差描述了一个模型对给定的数据进行预测的可变性。比如，... 阅读全文
posted @ 2015-11-05 23:11 Deribs4 阅读(467) 评论(0) 推荐(0)
线性模型
摘要：回归与分类找这个实现：http://blog.csdn.net/ppn029012/article/details/8775597线性回归和逻辑回归：https://www.evernote.com/shard/s146/sh/bf0d0a08-d5c5-4dc9-b70f-fa6374b9ceae... 阅读全文
posted @ 2015-11-05 23:10 Deribs4 阅读(237) 评论(0) 推荐(0)
决策树
摘要：什么是决策树 决策树，一种分类器，大多是用来分类的。 对于分类问题，选择分类属性的标准是信息增益最大，涉及到熵这个概念。而在做回归树的时候，选择变量的标准我们用最小均方误差（MSE）。决策树算法的具体描述：1. 开始，所有记录看作一个节点2. 遍历每个变量的每一种分割方式，找到最好的分割点3. ... 阅读全文
posted @ 2015-11-04 22:14 Deribs4 阅读(1062) 评论(0) 推荐(0)
朴素贝叶斯分类器
摘要：预备知识：贝叶斯公式：A、B事件。在A发生条件下B发生的概率=在B发生条件下A发生的概率*B发生的概率/A发生的概率P(B|A)=P(A|B)P(B) / P(A)全概率公式：特别的，设实验E的样本空间为S,A为E的事件,B1,B2,...,Bn为S的一个划分,且P(Bi)>0(i=1,2,...,... 阅读全文
posted @ 2015-11-03 22:45 Deribs4 阅读(517) 评论(0) 推荐(0)