摘要：
一个典型的logistic regression模型是: 这里明明用了非线性函数，那为什么logistic regression还是线性模型呢？ 首先，这个函数不是f(y,x)=0的函数，判断一个模型是否是线性，是通过分界面是否是线性来判断的。 这个P函数是y关于x的后验概率，它的非线性性不影响分界
阅读全文
posted @ 2017-05-20 20:50
Shiyu_Huang
阅读(5304)
推荐(0)
摘要：
腹部 abdomen 胸部 chest 臀部 buttock arse hip 肩部 shoulder 背部 back 肌肉 muscle 大腿 thigh 手掌 palm 脚踝 ankle 手肘 elbow 手指 finger 指甲 nail 脚趾 toe 头 head 脸 face 眼睛 eye
阅读全文
posted @ 2017-05-20 10:02
Shiyu_Huang
阅读(708)
推荐(0)
摘要：
abase debase demean depreciate belittle
阅读全文
posted @ 2017-05-20 09:48
Shiyu_Huang
阅读(170)
推荐(0)
摘要：
abate alleviate assuage palliate mitigate
阅读全文
posted @ 2017-05-20 09:41
Shiyu_Huang
阅读(263)
推荐(0)
摘要：
a trifle of a little of a few of a ghost of a trace of
阅读全文
posted @ 2017-05-20 09:16
Shiyu_Huang
阅读(163)
推荐(0)
摘要：
a wealth of many a multitude of a huge amount of a huge number of a lot of lots of a quantity of
阅读全文
posted @ 2017-05-20 09:13
Shiyu_Huang
阅读(162)
推荐(0)
摘要：
该程序会每隔至少1秒进行一次护照状态查询 需要修改passportNo变量为自己的护照号码。 另外需要pip install beautifulsoup4
阅读全文
posted @ 2017-05-19 15:13
Shiyu_Huang
阅读(3715)
推荐(0)
摘要：
\begin{table}[!htbp] !-忽略“美学”标准 h-here t-top b-bottom p-page-of-its-own
阅读全文
posted @ 2017-05-15 20:30
Shiyu_Huang
阅读(8176)
推荐(0)
摘要：
比特币历史： 2008年，比特币论文诞生 2009年1月，第一批比特币诞生 2011年4月，比特币价格第一次达到了1美元 2011年6月，涨到30美元，然后开始跌 2013年1月，4美元 2013年11月末，价格到达1200美元（恐怖！！！），然后开始跌 2017年1月，1000美元 2017年12
阅读全文
posted @ 2017-05-13 10:08
Shiyu_Huang
阅读(2029)
推荐(0)
posted @ 2017-05-13 09:24
Shiyu_Huang
阅读(1587)
推荐(0)
摘要：
1.next http://www.cnblogs.com/sesshoumaru/p/6037922.html 2.getattr getattr(x, 'y') is equivalent to x.y
阅读全文
posted @ 2017-05-10 16:59
Shiyu_Huang
阅读(134)
推荐(0)
摘要：
无偏估计是参数的样本估计量的期望值等于参数的真实值。 一个简单的例子（https://www.zhihu.com/question/22983179/answer/23470969）： 比如我要对某个学校一个年级的上千个学生估计他们的平均水平（真实值，上帝才知道的数字），那么我决定抽样来计算。 我抽
阅读全文
posted @ 2017-05-09 10:05
Shiyu_Huang
阅读(3373)
推荐(0)
摘要：
百度百科的解释： 常用核函数： 1.线性核（Linear Kernel）： 2.多项式核（Polynomial Kernel）： 3.径向基核函数（Radial Basis Function），也叫高斯核（Gaussian Kernel）： 还有其他一些偏门核函数：http://blog.csdn.
阅读全文
posted @ 2017-05-09 10:00
Shiyu_Huang
阅读(1624)
推荐(0)
摘要：
决策树介绍：http://www.cnblogs.com/huangshiyu13/p/6126137.html 一些boosting的算法：http://www.cnblogs.com/huangshiyu13/p/6134329.html
阅读全文
posted @ 2017-05-09 09:01
Shiyu_Huang
阅读(407)
推荐(0)
摘要：
import os def fileAppend(filename): myfile = open(filename,'a') myfile.write("####&&&&") myfile.close if __name__ == '__main__': filename = 'test.rmvb' fileAppend(filename) ...
阅读全文
posted @ 2017-05-08 09:52
Shiyu_Huang
阅读(3364)
推荐(0)
摘要：
指数族分布是一大类分布，基本形式为： T(x)是x的充分统计量（能为相应分布提供足够信息的统计量） 为了满足归一化条件，有： 可以看出，当T(x)=x时，e^A(theta)是h(x)的拉普拉斯变换。 指数族分布的例子： 伯努利分布转换成指数族分布形式： 单变量高斯分布的： 多变量高斯分布的： A（
阅读全文
posted @ 2017-05-07 14:18
Shiyu_Huang
阅读(5938)
推荐(1)
摘要：
Monti, Federico, et al. "Geometric deep learning on graphs and manifolds using mixture model CNNs." arXiv preprint arXiv:1611.08402 (2016). 摘要：作者提出课一个
阅读全文
posted @ 2017-05-03 13:11
Shiyu_Huang
阅读(2249)
推荐(0)
摘要：
Kipf, Thomas N., and Max Welling. "Semi-supervised classification with graph convolutional networks." arXiv preprint arXiv:1609.02907 (2016). 作者对Convo
阅读全文
posted @ 2017-05-02 19:58
Shiyu_Huang
阅读(2616)
推荐(0)
摘要：
参考：https://wenku.baidu.com/view/ed38304a2e3f5727a5e96211.html 傅里叶变换的限制： 拉普拉斯变换形式： 拉普拉斯变换存在定理： 周期函数的拉普拉斯变换： 拉普拉斯变换的性质： 上面这个性质可用于微分方程的求解，即通过等式两边取拉普拉斯变换，
阅读全文
posted @ 2017-05-02 15:36
Shiyu_Huang
阅读(5252)
推荐(0)
摘要：
Defferrard, Michaël, Xavier Bresson, and Pierre Vandergheynst. "Convolutional neural networks on graphs with fast localized spectral filtering." Advan
阅读全文
posted @ 2017-05-02 14:13
Shiyu_Huang
阅读(6460)
推荐(0)
摘要：
最近比较喜欢的一个并行实现，可以实时查看结果: from concurrent.futures import ProcessPoolExecutor, as_completed executor = ProcessPoolExecutor(max_workers=5) tasks = [execut
阅读全文
posted @ 2017-04-24 11:17
Shiyu_Huang
阅读(232)
推荐(0)
摘要：
可能由于网络问题，程序无法把数据集下载到'./input_data'目录下，可以手动下载到对应目录：（mnist官网：http://yann.lecun.com/exdb/mnist/ The MNIST database of handwritten digits, available from
阅读全文
posted @ 2017-04-18 14:41
Shiyu_Huang
阅读(7416)
推荐(0)
摘要：
参考资料:https://wookayin.github.io/tensorflow-talk-debugging 几种常用方法: 1.通过Session.run()获取变量的值 2.利用Tensorboard查看一些可视化统计 3.使用tf.Print()和tf.Assert()打印变量 4.使用
阅读全文
posted @ 2017-04-17 10:52
Shiyu_Huang
阅读(46772)
推荐(2)
posted @ 2017-04-12 18:29
Shiyu_Huang
阅读(733)
推荐(0)
摘要：
没看，但是论文UI和视频做的很好。 论文地址：https://papers.nips.cc/paper/6509-deep-learning-for-predicting-human-strategic-behavior.pdf 视频地址：https://www.youtube.com/watch?
阅读全文
posted @ 2017-04-10 21:38
Shiyu_Huang
阅读(225)
推荐(0)
摘要：
没看论文，但看了介绍视频，简直做了一个小型纪录片。 视频地址：https://www.youtube.com/watch?v=jfB_lWZA4Qo 中文翻译:http://blog.csdn.net/qq_19828477/article/details/55667816
阅读全文
posted @ 2017-04-10 21:16
Shiyu_Huang
阅读(403)
推荐(0)
摘要：
作者提出的方法是Algotithm 2。简单来说就是，训练的时候，在几个模型中，选取预测最准确的（也就是loss最低的）模型进行权重更新。
阅读全文
posted @ 2017-04-10 21:05
Shiyu_Huang
阅读(769)
推荐(0)
摘要：
论文提出了一种loss: x是原始数据，y是对应的label，h(x)是一个判别函数，r(x)相当于训练了一个信心函数，r(x)越大，代表对自己做的判断的信息越大，当r(x)<0的时候，就拒绝进行分类。那么这个loss函数分为前后两项，前面一项就是通常的分类错误的loss，后面一样是对不进行分类的惩
阅读全文
posted @ 2017-04-10 20:35
Shiyu_Huang
阅读(339)
推荐(0)
posted @ 2017-04-10 13:00
Shiyu_Huang
阅读(134)
推荐(0)
摘要：
1.点击侧边栏：ML Engine -> Jobs 2.选择对应的任务，点击stop
阅读全文
posted @ 2017-04-10 12:56
Shiyu_Huang
阅读(354)
推荐(0)
摘要：
def myprint(v): print v print type(v) try: print v.shape except: try: print len(v) except: pass
阅读全文
posted @ 2017-04-10 11:37
Shiyu_Huang
阅读(1297)
推荐(0)
摘要：
1.训练模型：建bucket，建job，提交运行。 2.查看log,训练过程 点击侧边栏的logging可以查看程序输出。 tensorboard:https://cloud.google.com/ml-engine/docs/how-tos/getting-started-training-pre
阅读全文
posted @ 2017-04-09 17:47
Shiyu_Huang
阅读(1141)
推荐(0)
摘要：
相关介绍： https://mp.weixin.qq.com/s?__biz=MzA5MDE2MjQ0OQ==&mid=2652786406&idx=1&sn=f937dd6aa91344fed689baf51dc821ab#rd https://mp.weixin.qq.com/s?__biz=M
阅读全文
posted @ 2017-04-09 17:04
Shiyu_Huang
阅读(621)
推荐(0)
摘要：
1.药物挖掘 2.医学影像 3.医疗诊断
阅读全文
posted @ 2017-04-09 16:41
Shiyu_Huang
阅读(2099)
推荐(0)
摘要：
****************内容加密中********************
阅读全文
posted @ 2017-04-07 11:16
Shiyu_Huang
阅读(152)
推荐(0)
posted @ 2017-04-07 10:44
Shiyu_Huang
阅读(295)
推荐(0)
摘要：
代码：*******************加密中**************************************
阅读全文
posted @ 2017-04-06 15:58
Shiyu_Huang
阅读(571)
推荐(0)
摘要：
转自：https://www.douban.com/note/518335786/?type=like 改变数组的维度 已知reshape函数可以有一维数组形成多维数组ravel函数可以展平数组b.ravel()flatten()函数也可以实现同样的功能区别：ravel只提供视图view，而flat
阅读全文
posted @ 2017-04-06 12:09
Shiyu_Huang
阅读(84493)
推荐(2)
摘要：
论文提交时间：5月下旬 会议时间：12月上旬 NIPS2017: 网址：https://nips.cc/
阅读全文
posted @ 2017-04-04 10:59
Shiyu_Huang
阅读(921)
推荐(0)
摘要：
论文提交时间：11月份中旬左右会议时间：7月份左右 CVPR 2017: 网址：http://cvpr2017.thecvf.com/ 接受论文数：782
阅读全文
posted @ 2017-04-04 10:57
Shiyu_Huang
阅读(1618)
推荐(0)
浙公网安备 33010602011771号