jasmineTang

摘要：反向传播神经网络如雷贯耳。哪哪都是这个词。为什么要反向？首先神经网络是为了最优化参数，wb. 梯度下降最优解。如何做？求导。当把所有式子列出来后，会发现式链式求导，有大量重复。从数学计算的简便性来说，反过来可以避免重复,简化计算，这... 阅读全文

posted @ 2019-11-17 16:06 jasmineTang 阅读(72) 评论(0) 推荐(0)

摘要：感知机和SVM都是线性可分，那他们有什么区别呢？还有什么是支持向量机，硬间隔和软间隔又是什么？。 1.感知机与SVM的异同 2.硬间隔最大化 3.软间隔最大化 1.感知机与SVM的异同感知机和SVM都是用于处理二分类问题。... 阅读全文

posted @ 2019-11-16 07:28 jasmineTang 阅读(216) 评论(0) 推荐(0)

摘要： VS2019 MFC界面一般有三种风格，MFC、VS、Rebbion。上图。是在"创建项目"-"样式选择"中设定。本文讲了一下rebbion的基本操作，并实现了一个全屏和退出的功能。 1.三种效果图 2.rebbion操作 3.... 阅读全文

posted @ 2019-11-14 18:57 jasmineTang 阅读(180) 评论(0) 推荐(0)

摘要：逻辑回归时是需要改进迭代尺度算法，用于提高收敛性，而对于没有显示形式方程求极值或者0时，我们需要用拟牛顿法。 1.改进的尺度迭代算法 1.1公式及解释 1.2求解步骤及难点说明 1.2.1.第一次缩放 1.2.2第... 阅读全文

posted @ 2019-11-14 18:57 jasmineTang 阅读(252) 评论(0) 推荐(0)

摘要：在做界面的时候，MFC没有layout布局，默认情况下，对话框大小固定，且里面的控件大小固定。针对这种情况做了一点优化。上图用法步骤： 1.添加ControlAutoLayout.h, ControlAutoLayout.cpp, La... 阅读全文

posted @ 2019-11-12 20:11 jasmineTang 阅读(301) 评论(0) 推荐(0)

摘要：我们经常要做的就是求解极值，最大或者最小。为了数学方便，引入的是拉格朗日乘子和对偶性。在求解极值的其实就是关注d*（最优值） C（约束） p*（最优概率）。如果不想看推导，可直接看总结的红字即可。 1.拉格朗日对偶性及其推导 ... 阅读全文

posted @ 2019-11-12 20:10 jasmineTang 阅读(471) 评论(0) 推荐(0)

摘要：贝叶斯常用来解决二分类问题比如我有如下一组数据，建了一个模型，现在我想计算一下新值x(2,s), 它输出-1和1的概率分别是多少呢。步骤：1.公式计算 2.预测公式计算 1.1 ... 阅读全文

posted @ 2019-11-10 16:12 jasmineTang 阅读(95) 评论(0) 推荐(0)

摘要：决策树是种可视化的模型，可做分类也可做回归。概念内容详看前章，本文讲如何python 实现。回顾一下比如我知道一组人的信息：年龄、是否有工作、是否有房贷…这叫特征值，现在再来一些人，这时我想能否贷款给他。我该怎么做呢，就可以用决策树模型实现。左边是数据，... 阅读全文

posted @ 2019-11-10 15:33 jasmineTang 阅读(199) 评论(0) 推荐(0)

摘要：决策树是种可视化的模型，可做分类也可做回归。比如我知道一组人的信息：年龄、是否有工作、是否有房贷…这叫特征值，现在再来一些人，这时我想能否贷款给他。我该怎么做呢，就可以用决策树模型实现。左边是数据，右边是树。当然这棵树没有把全部的特征向量放进去只是示意了一下... 阅读全文

posted @ 2019-11-10 11:07 jasmineTang 阅读(233) 评论(0) 推荐(0)

摘要：贝叶斯求后验证概率最大化与极大似然估计相比多了一个 1.二项先验分布（beta分布） 2.Dirichlet先验分布 3.概率密度分布图像 4.方程表达： 4.1初始 4.... 阅读全文

posted @ 2019-11-09 20:44 jasmineTang 阅读(114) 评论(0) 推荐(0)