162

摘要： 1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性 （1）有监督：训练数据集必须是有标记，然后通过给定的训练数据和特定的算法去构造一个模型。 无监督：训练数据集没有标记，去寻找训练数据中隐藏的模式或者是对数据进行分组。 （2）线性回归原理： 线性回归在假设特证满足线性关系， 阅读全文

摘要： 1. 应用K-means算法进行图片压缩 读取一张图片 观察图片文件大小，占内存大小，图片数据结构，线性化 用kmeans对图片像素颜色进行聚类 获取每个像素的颜色类别，每个类别的颜色 压缩图片生成：以聚类中收替代原像素颜色，还原为二维 观察压缩图片的文件大小，占内存大小 在这里的时候就一直处于运行 阅读全文

摘要： 2.自主编写K-means算法 ，以鸢尾花花瓣长度数据做聚类，并用散点图显示 3 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类，并用散点图显示. 4 鸢尾花完整数据做聚类并用散点图显示. 5 想想k均值算法中以用来做什么？ K-均值算法(K-Mean)是指中心的距离的平方 阅读全文

摘要： 1.高等数学 1）函数 2）极限 3）导数 4）极值和最值 极值点：是在一阶导数等于0的点,2阶导大于0是极小值,2阶导小于0是极大值.2阶导等于0是拐点,不是极值点. 最值：在定义域内的最大最小值 5）泰勒级数 6）梯度 7）梯度下降 2.线性代数 1）基本概念 2）行列式 3）矩阵 4）最小二乘 阅读全文

摘要： (1) (2) (3) 按照学习形式将机器学习划分为监督学习、无监督学习、半监督学习、强化学习、深度学习 监督学习（Supervised Learning）表示机器学习的数据是带标记的，这些标记可以包括数据类别、数据属性及特征点位置等。这些标记作为预期效果，不断修正机器的预测结果。 无监督学习（Un 阅读全文

摘要： 1. 解： E -> E+T { E.place := newtemp;　emit( E.place , ' := ' , E.place , ' + ' , T.place )} E -> E-T { E.place := newtemp;　emit( E.place , ' := ' , E.p 阅读全文

摘要： 1.接上个作业（P121练习1），完成4），5）两个步骤。 1）计算FIRSTVT和 LASTVT。 2）找三种关系对。 3）构造算符优先关系表。 4）是否算符优先文法？ 5）给出输入串（a，（a，a））#的算符优先分析过程。 （4）是算符优先文法。 （5） 栈 关系 输入符号串 动作 # < (a 阅读全文

摘要： #include<stdio.h> #include <iostream> #include<string.h> using namespace std; char *reserved[6] = {"begin","if","then","while","do","end"}; char input 阅读全文

摘要： 3.未完成 4.未完成 阅读全文

摘要： 1.将以下文法消除左递归，分析符号串 i*i+i 。 并分别求FIRST集、FOLLOW集，和SELECT集 E -> E+T | T T -> T*F | F F -> (E) | i 2.P101练习7（2）（3）文法改写，并分别求FIRST集、FOLLOW集，和SELECT集 课堂练习： 求以 阅读全文