jasmineTang

摘要：对于实际应用来说，一元线性回归是常用的，实测值、预测值、损失值。为了调参、为了最小化损失，知其然也知其所以然，不能怕麻烦，手推公式。最重要的是理解了背后的数学原理，可以做恒等变形和等价变换，实际应用时，可以使得原来不可解的变为可解的。原问题： 1... 阅读全文

posted @ 2019-11-21 18:26 jasmineTang 阅读(586) 评论(0) 推荐(0)

摘要：问题： VS2019 EXE下调用dll的设置正解。避免链接错误。解决方案：一共5步： 1.确定.lib 和.h 文件 2.明确位数，是32位还是64位 3.配置属性添加目录 4.链接器添加目录 5.链接器添加文件名可以是多个。 1.确定头... 阅读全文

posted @ 2019-11-21 18:25 jasmineTang 阅读(186) 评论(0) 推荐(0)

摘要： C++98与C++11 C++98中{，，}的枚举量作用域是全局的，C++11可以用 class struct来实现相同枚举量定义。枚举量Int 型 C++98无需显示转换，c++11需显示转换。1.定义比如我要定义一个苹果，一个橘子，都有小... 阅读全文

posted @ 2019-11-21 12:13 jasmineTang 阅读(95) 评论(0) 推荐(0)

摘要： L1 L2正则-凸优化问题解决什么问题：解决过拟合什么叫过拟合？模型复杂，数据量小。表现：训练集好测试集不好。怎么办：减少参数。如何减少呢？数学上叫正则化写损失... 阅读全文

posted @ 2019-11-20 18:52 jasmineTang 阅读(505) 评论(0) 推荐(0)

摘要：分割窗口分为动态和静态 1.动态分割窗口 1.1定义一个CPlitterWnd 对象 1.2 重载CFrameWnd::OnCreateClient 1.3 重载 CFrameWnd::OnCreateClient 调用 CPli... 阅读全文

posted @ 2019-11-19 19:19 jasmineTang 阅读(225) 评论(0) 推荐(0)

摘要：文本按一定字体输出是界面常用的功能。用到字体类CFont 和文本输出函数dc.TextOut() 与一般的类对象使用方法一样：CFont也是创建、初始化、设定属性、调用、删除。三点注意： 1.设定一次属性，显示一次设定的样式。 2.用完后记得恢复到默认设... 阅读全文

posted @ 2019-11-19 19:16 jasmineTang 阅读(431) 评论(0) 推荐(0)

摘要： Adaboost由于其分类效果好，算法简单，还有其可靠的理论基础，深受大家欢迎。本文以统计学习三要素来说说这个模型，并对训练误差界进行说明。希望对大家理解这些公式有帮助。 Adaboost 模型说明 2.训练误差界 1.Adaboost 模型说... 阅读全文

posted @ 2019-11-19 19:15 jasmineTang 阅读(190) 评论(0) 推荐(0)

摘要： Adaboost由于其分类效果好，算法简单，还有其可靠的理论基础，深受大家欢迎。 1.用来解决什么问题：二分类模型。 2.如何解决：弱学习器的叠加生成强学习器 3.判断标准：分类误差率 4.调整的是什么？基本分类器的权重 5.步骤：N 6.总结：并行 ... 阅读全文

posted @ 2019-11-19 19:12 jasmineTang 阅读(101) 评论(0) 推荐(0)

摘要：什么时候用？文本、音频分析。永标准的神经网络用来解决这些问题时的缺点？ 1.标准的神经网络，输入样本长度固定的。这个可以处理序列信号长度不同的情况。比如输入文本，第一次输入20个词，第二次输入30个词。RNN用输出序列解决这个问题... 阅读全文

posted @ 2019-11-17 17:22 jasmineTang 阅读(67) 评论(0) 推荐(0)

摘要：神经网络说起来很神秘，在输入项少，隐藏层少的情况下还是不难的。本文手动构建了一，2项输入、2隐藏层，1输出的前向神经网络。基本的模式就是过程->符号->公式->代码。程序过程就是录入数据项训练->结果。 ... 阅读全文

posted @ 2019-11-17 16:11 jasmineTang 阅读(90) 评论(0) 推荐(0)