摘要：
Andrew Ng 《机器学习》台大林轩田《机器学习基石》《机器学习技法》0. 数学&机器学习基础上海交通大学张志华 机器学习导论统计机器学习 1. 深度学习cs231n 代码作业： GitHub - MyHumbleSelf/cs231n: Convolutiona... 阅读全文
posted @ 2016-10-23 21:45
未雨愁眸
阅读(257)
评论(0)
推荐(0)
摘要：
Andrew Ng 《机器学习》台大林轩田《机器学习基石》《机器学习技法》0. 数学&机器学习基础上海交通大学张志华 机器学习导论统计机器学习 1. 深度学习cs231n 代码作业： GitHub - MyHumbleSelf/cs231n: Convolutiona... 阅读全文
posted @ 2016-10-23 21:45
未雨愁眸
阅读(323)
评论(0)
推荐(0)
摘要：
1. kaggleKaggle Competition Past SolutionsKaggle 机器学习竞赛冠军及优胜者的源代码汇总 阅读全文
posted @ 2016-10-23 21:33
未雨愁眸
阅读(200)
评论(0)
推荐(0)
摘要：
1. kaggleKaggle Competition Past SolutionsKaggle 机器学习竞赛冠军及优胜者的源代码汇总 阅读全文
posted @ 2016-10-23 21:33
未雨愁眸
阅读(151)
评论(0)
推荐(0)
摘要：
0. math & codeCOME ON CODE ON | A blog about programming and more programming.1. 中文统计学Computational Statistics in Python线代启示录2. 英文数学证明... 阅读全文
posted @ 2016-10-23 21:29
未雨愁眸
阅读(282)
评论(0)
推荐(0)
摘要：
0. math & codeCOME ON CODE ON | A blog about programming and more programming.1. 中文统计学Computational Statistics in Python线代启示录2. 英文数学证明... 阅读全文
posted @ 2016-10-23 21:29
未雨愁眸
阅读(211)
评论(0)
推荐(0)
摘要：
应当选择哪一种距离度量方式？KNN K值如何确定？也即如何确定超参。 problem-dependent，具体问题具体分析；try what hyperparameters work best on test set. 并非是一个好主意，测试集（模型还未见过的数据）... 阅读全文
posted @ 2016-10-23 18:47
未雨愁眸
阅读(122)
评论(0)
推荐(0)
摘要：
应当选择哪一种距离度量方式？KNN K值如何确定？也即如何确定超参。 problem-dependent，具体问题具体分析；try what hyperparameters work best on test set. 并非是一个好主意，测试集（模型还未见过的数据）... 阅读全文
posted @ 2016-10-23 18:47
未雨愁眸
阅读(121)
评论(0)
推荐(0)
摘要：
1. 内存Routers store this routing information in routing tables（路由表） using on-board random access memory (RAM).on-board random access me... 阅读全文
posted @ 2016-10-23 15:55
未雨愁眸
阅读(130)
评论(0)
推荐(0)
摘要：
1. 内存Routers store this routing information in routing tables（路由表） using on-board random access memory (RAM).on-board random access me... 阅读全文
posted @ 2016-10-23 15:55
未雨愁眸
阅读(159)
评论(0)
推荐(0)
摘要：
fit： 对于 kmeans 来说，fit 的过程，就是训练，自然所需的参数，主要是数据集和聚类中心数，1. classification（分类）def train(train_images, train_labels): # build a model for... 阅读全文
posted @ 2016-10-23 12:28
未雨愁眸
阅读(274)
评论(0)
推荐(0)
摘要：
fit： 对于 kmeans 来说，fit 的过程，就是训练，自然所需的参数，主要是数据集和聚类中心数，1. classification（分类）def train(train_images, train_labels): # build a model for... 阅读全文
posted @ 2016-10-23 12:28
未雨愁眸
阅读(458)
评论(0)
推荐(0)
摘要：
组态档，或者叫 configuration file，配置文件。组态档是用一种建构软件专用的特殊编程语言写的 CMake 脚本。使用组态档能改变程序的设置，而不用重新编译程序。CMake 的组态档文件为：CMakeLists.txt;Cmake 并不直接建构出最终的软... 阅读全文
posted @ 2016-10-23 11:35
未雨愁眸
阅读(184)
评论(0)
推荐(0)
摘要：
组态档，或者叫 configuration file，配置文件。组态档是用一种建构软件专用的特殊编程语言写的 CMake 脚本。使用组态档能改变程序的设置，而不用重新编译程序。CMake 的组态档文件为：CMakeLists.txt;Cmake 并不直接建构出最终的软... 阅读全文
posted @ 2016-10-23 11:35
未雨愁眸
阅读(406)
评论(0)
推荐(0)
摘要：
学习新的知识、课程一定要养成提前预习的好习惯；目标不要太多，一石二鸟那是撞大运了。一个行为就让它解决一个问题，甚至也有可能带来新的问题。learn by doing：在做中学； 知行合一，开始做某件事，哪怕仅是开始的第一步，小小的一步，也是事情、做事的开始；事情总要有... 阅读全文
posted @ 2016-10-23 10:41
未雨愁眸
阅读(132)
评论(0)
推荐(0)
摘要：
学习新的知识、课程一定要养成提前预习的好习惯；目标不要太多，一石二鸟那是撞大运了。一个行为就让它解决一个问题，甚至也有可能带来新的问题。learn by doing：在做中学； 知行合一，开始做某件事，哪怕仅是开始的第一步，小小的一步，也是事情、做事的开始；事情总要有... 阅读全文
posted @ 2016-10-23 10:41
未雨愁眸
阅读(343)
评论(0)
推荐(0)
摘要：
使用参数方程，phi = 0:0.01:2*pi;x = cos(phi); y = sin(phi);axis equalplot(x, y)根据参数方程，显然，圆心在 (0, 0)，半径为 1。当然我们也可以做出更为丰富的图案，n = 10;phi = 0:0.0... 阅读全文
posted @ 2016-10-23 00:36
未雨愁眸
阅读(320)
评论(0)
推荐(0)
摘要：
使用参数方程，phi = 0:0.01:2*pi;x = cos(phi); y = sin(phi);axis equalplot(x, y)根据参数方程，显然，圆心在 (0, 0)，半径为 1。当然我们也可以做出更为丰富的图案，n = 10;phi = 0:0.0... 阅读全文
posted @ 2016-10-23 00:36
未雨愁眸
阅读(228)
评论(0)
推荐(0)
摘要：
0. 句柄的获得H = subplot(1,2,1);saveas(H, [pathname,filename], 'jpg');1. h = plot(…)a = 0:10:360;x = a*pi/180;h = plot(x, sin(x), x, cos(x)... 阅读全文
posted @ 2016-10-23 00:14
未雨愁眸
阅读(305)
评论(0)
推荐(0)
摘要：
0. 句柄的获得H = subplot(1,2,1);saveas(H, [pathname,filename], 'jpg');1. h = plot(…)a = 0:10:360;x = a*pi/180;h = plot(x, sin(x), x, cos(x)... 阅读全文
posted @ 2016-10-23 00:14
未雨愁眸
阅读(256)
评论(0)
推荐(0)
浙公网安备 33010602011771号