博客园 - 小纯洁的兄弟
uuid:24b78886-0ed1-41c2-8670-e3f31dcf42c4;id=167411
2019-08-21T12:43:28Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
feed.cnblogs.com
https://www.cnblogs.com/pythonlearing/p/11390785.html
Python 易错点 - 小纯洁的兄弟
1. Python查找一个变量时会按照“局部作用域”, “嵌套作用域”, “全局作用域”,“内置作用域”的顺序进行搜索。 在实际开发中,我们应该尽量减少对全局变量的使用,因为全局变量的作用域和影响过于广泛,可能会发生意料之外的修改和使用,除此之外全局变量比局部变量拥有更长的生命周期,可能导致对象占用
2019-08-21T11:42:00Z
2019-08-21T11:42:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】1. Python查找一个变量时会按照“局部作用域”, “嵌套作用域”, “全局作用域”,“内置作用域”的顺序进行搜索。 在实际开发中,我们应该尽量减少对全局变量的使用,因为全局变量的作用域和影响过于广泛,可能会发生意料之外的修改和使用,除此之外全局变量比局部变量拥有更长的生命周期,可能导致对象占用 <a href="https://www.cnblogs.com/pythonlearing/p/11390785.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/11348066.html
Github介绍 - 小纯洁的兄弟
主要功能: 仓库(Repository):仓库用于存放项目代码, 收藏(Star), 克隆(Fork): fork别人的项目,是独立存在,Pull request(把自己改动过的内容发送给fork来的地方,对方感觉不错的话会合并原仓库,关注(Watch):只要以后这个项目有更新,都会在你github
2019-08-13T11:44:00Z
2019-08-13T11:44:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】主要功能: 仓库(Repository):仓库用于存放项目代码, 收藏(Star), 克隆(Fork): fork别人的项目,是独立存在,Pull request(把自己改动过的内容发送给fork来的地方,对方感觉不错的话会合并原仓库,关注(Watch):只要以后这个项目有更新,都会在你github <a href="https://www.cnblogs.com/pythonlearing/p/11348066.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/10516459.html
Git&Github - 小纯洁的兄弟
1. 版本控制 版本控制工具该具备的功能: 协同修改:多人并行不悖修改服务器端的同一个文件 数据备份:不仅保存目录和当前文件状态,还能保存每一个提交过的历史状态 版本管理:保存每一个版本信息文件是不重复保存数据,节约空间。SVN采用的是增量式管理,Git采取文件系统快照方式 权限控制:对开发人员权限
2019-03-12T06:25:00Z
2019-03-12T06:25:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】1. 版本控制 版本控制工具该具备的功能: 协同修改:多人并行不悖修改服务器端的同一个文件 数据备份:不仅保存目录和当前文件状态,还能保存每一个提交过的历史状态 版本管理:保存每一个版本信息文件是不重复保存数据,节约空间。SVN采用的是增量式管理,Git采取文件系统快照方式 权限控制:对开发人员权限 <a href="https://www.cnblogs.com/pythonlearing/p/10516459.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/10444570.html
图像分类 - 小纯洁的兄弟
计算机视觉算法在图像识别中遇到的困难: 数据驱动方法: 与其在代码中直接写明各类物体看起来怎么样,倒不如直接采取和教小孩看图识物类似的方法:给计算机很多数据,让计算机自己从数据中学习到每个类的外形。
2019-02-27T08:27:00Z
2019-02-27T08:27:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】计算机视觉算法在图像识别中遇到的困难: 数据驱动方法: 与其在代码中直接写明各类物体看起来怎么样,倒不如直接采取和教小孩看图识物类似的方法:给计算机很多数据,让计算机自己从数据中学习到每个类的外形。 <a href="https://www.cnblogs.com/pythonlearing/p/10444570.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/10013603.html
SVM支持向量机 - 小纯洁的兄弟
支持向量机通俗导论(理解SVM的三层境界):https://blog.csdn.net/macyang/article/details/38782399/ 写的真的好。 以及:https://www.cnblogs.com/pinard/p/6097604.html
2018-11-24T13:18:00Z
2018-11-24T13:18:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】支持向量机通俗导论(理解SVM的三层境界):https://blog.csdn.net/macyang/article/details/38782399/ 写的真的好。 以及:https://www.cnblogs.com/pinard/p/6097604.html <a href="https://www.cnblogs.com/pythonlearing/p/10013603.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/10013507.html
Apriori算法 - 小纯洁的兄弟
Apriori算法是常用的用于挖掘出数据关联规则的算法,它用来找出数据值中频繁出现的数据集合,找出这些集合的模式有助于我们做一些决策。比如在常见的超市购物数据集,或者电商的网购数据集中,如果我们找到了频繁出现的数据集,那么对于超市,我们可以优化产品的位置摆放,对于电商,我们可以优化商品所在的仓库位置
2018-11-24T12:58:00Z
2018-11-24T12:58:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】Apriori算法是常用的用于挖掘出数据关联规则的算法,它用来找出数据值中频繁出现的数据集合,找出这些集合的模式有助于我们做一些决策。比如在常见的超市购物数据集,或者电商的网购数据集中,如果我们找到了频繁出现的数据集,那么对于超市,我们可以优化产品的位置摆放,对于电商,我们可以优化商品所在的仓库位置 <a href="https://www.cnblogs.com/pythonlearing/p/10013507.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/10013431.html
Adaboost算法 - 小纯洁的兄弟
博客1:https://www.cnblogs.com/pinard/p/6133937.html 博客2:https://blog.csdn.net/v_july_v/article/details/40718799
2018-11-24T12:41:00Z
2018-11-24T12:41:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】博客1:https://www.cnblogs.com/pinard/p/6133937.html 博客2:https://blog.csdn.net/v_july_v/article/details/40718799 <a href="https://www.cnblogs.com/pythonlearing/p/10013431.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/10013344.html
K-means聚类算法 - 小纯洁的兄弟
K-means也是聚类算法中最简单的一种了,但是里面包含的思想却是不一般。最早我使用并实现这个算法是在学习韩爷爷那本数据挖掘的书中,那本书比较注重应用。看了Andrew Ng的这个讲义后才有些明白K-means后面包含的EM思想。 聚类属于无监督学习,以往的回归、朴素贝叶斯、SVM等都是有类别标签y
2018-11-24T12:21:00Z
2018-11-24T12:21:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】K-means也是聚类算法中最简单的一种了,但是里面包含的思想却是不一般。最早我使用并实现这个算法是在学习韩爷爷那本数据挖掘的书中,那本书比较注重应用。看了Andrew Ng的这个讲义后才有些明白K-means后面包含的EM思想。 聚类属于无监督学习,以往的回归、朴素贝叶斯、SVM等都是有类别标签y <a href="https://www.cnblogs.com/pythonlearing/p/10013344.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/10012708.html
朴素贝叶斯 - 小纯洁的兄弟
参考博客1:https://blog.csdn.net/AMDS123/article/details/70173402 参考博客2:https://blog.csdn.net/fisherming/article/details/79509025
2018-11-24T09:04:00Z
2018-11-24T09:04:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】参考博客1:https://blog.csdn.net/AMDS123/article/details/70173402 参考博客2:https://blog.csdn.net/fisherming/article/details/79509025 <a href="https://www.cnblogs.com/pythonlearing/p/10012708.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/10012683.html
EM最大期望算法 - 小纯洁的兄弟
众所周知,极大似然估计是一种应用很广泛的参数估计方法。例如我手头有一些东北人的身高的数据,又知道身高的概率模型是高斯分布,那么利用极大化似然函数的方法可以估计出高斯分布的两个参数,均值和方差。这个方法基本上所有概率课本上都会讲,我这就不多说了,不清楚的请百度。 然而现在我面临的是这种情况,我手上的数
2018-11-24T08:58:00Z
2018-11-24T08:58:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】众所周知,极大似然估计是一种应用很广泛的参数估计方法。例如我手头有一些东北人的身高的数据,又知道身高的概率模型是高斯分布,那么利用极大化似然函数的方法可以估计出高斯分布的两个参数,均值和方差。这个方法基本上所有概率课本上都会讲,我这就不多说了,不清楚的请百度。 然而现在我面临的是这种情况,我手上的数 <a href="https://www.cnblogs.com/pythonlearing/p/10012683.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/10012448.html
SVD奇异值分解 - 小纯洁的兄弟
原文出处http://blog.csdn.net/zhongkejingwang/article/details/43053513
2018-11-24T08:11:00Z
2018-11-24T08:11:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】原文出处http://blog.csdn.net/zhongkejingwang/article/details/43053513 <a href="https://www.cnblogs.com/pythonlearing/p/10012448.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/10012303.html
PCA主成分分析 - 小纯洁的兄弟
原贴出处:http://blog.codinglabs.org/articles/pca-tutorial.html PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,
2018-11-24T07:37:00Z
2018-11-24T07:37:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】原贴出处:http://blog.codinglabs.org/articles/pca-tutorial.html PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量, <a href="https://www.cnblogs.com/pythonlearing/p/10012303.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/9996436.html
十.PCA神经网络 - 小纯洁的兄弟
PCA神经网络
2018-11-21T09:27:00Z
2018-11-21T09:27:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】PCA神经网络 <a href="https://www.cnblogs.com/pythonlearing/p/9996436.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/9996445.html
十一.SVM神经网络 - 小纯洁的兄弟
占个坑,后面来写
2018-11-21T09:27:00Z
2018-11-21T09:27:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】占个坑,后面来写 <a href="https://www.cnblogs.com/pythonlearing/p/9996445.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/9996422.html
九.自组织竞争神经网络 - 小纯洁的兄弟
自主知
2018-11-21T09:26:00Z
2018-11-21T09:26:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】自主知 <a href="https://www.cnblogs.com/pythonlearing/p/9996422.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/9979161.html
八.DBN深度置信网络 - 小纯洁的兄弟
BP神经网络是1968年由Rumelhart和Mcclelland为首的科学家提出的概念,是一种按照误差反向传播算法进行训练的多层前馈神经网络,是目前应用比较广泛的一种神经网络结构。BP网络神经网络由输入层、隐藏层和输出层三部分构成,无论隐藏层是一层还是多层,只要是按照误差反向传播算法构建起来的网络
2018-11-18T12:10:00Z
2018-11-18T12:10:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】BP神经网络是1968年由Rumelhart和Mcclelland为首的科学家提出的概念,是一种按照误差反向传播算法进行训练的多层前馈神经网络,是目前应用比较广泛的一种神经网络结构。BP网络神经网络由输入层、隐藏层和输出层三部分构成,无论隐藏层是一层还是多层,只要是按照误差反向传播算法构建起来的网络 <a href="https://www.cnblogs.com/pythonlearing/p/9979161.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/9978906.html
七.RBM受限玻尔兹曼机 - 小纯洁的兄弟
1、受限玻尔兹曼机 玻尔兹曼机是一大类的神经网络模型,但是在实际应用中使用最多的则是受限玻尔兹曼机(RBM)。 受限玻尔兹曼机(RBM)是一个随机神经网络(即当网络的神经元节点被激活时会有随机行为,随机取值)。它包含一层可视层和一层隐藏层。在同一层的神经元之间是相互独立的,而在不同的网络层之间的神经
2018-11-18T11:12:00Z
2018-11-18T11:12:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】1、受限玻尔兹曼机 玻尔兹曼机是一大类的神经网络模型,但是在实际应用中使用最多的则是受限玻尔兹曼机(RBM)。 受限玻尔兹曼机(RBM)是一个随机神经网络(即当网络的神经元节点被激活时会有随机行为,随机取值)。它包含一层可视层和一层隐藏层。在同一层的神经元之间是相互独立的,而在不同的网络层之间的神经 <a href="https://www.cnblogs.com/pythonlearing/p/9978906.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/9978246.html
六.随机神经网络Boltzmann(玻尔兹曼机) - 小纯洁的兄弟
Hopfield网络具有最优计算功能,然而网络只能严格按照能量函数递减方式演化,很难避免伪状态的出现,且权值容易陷入局部极小值,无法收敛于全局最优解。 如果反馈神经网络的迭代过程不是那么死板,可以在一定程度上暂时接受能量函数变大的结果,就有可能跳出局部极小值。随机神经网络的核心思想就是在网络中加入概
2018-11-18T08:13:00Z
2018-11-18T08:13:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】Hopfield网络具有最优计算功能,然而网络只能严格按照能量函数递减方式演化,很难避免伪状态的出现,且权值容易陷入局部极小值,无法收敛于全局最优解。 如果反馈神经网络的迭代过程不是那么死板,可以在一定程度上暂时接受能量函数变大的结果,就有可能跳出局部极小值。随机神经网络的核心思想就是在网络中加入概 <a href="https://www.cnblogs.com/pythonlearing/p/9978246.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/9975673.html
二十公里法则 - 小纯洁的兄弟
心理学上有个法则叫二十英里法则。该法则是由美国心理学家吉姆柯林斯提出的。 这个法则讲的是:从美国西海岸圣地亚哥到某个地方有三千英里的路程,这段路程地貌十分地复杂,而且经常会遭遇天气变化。每天该走多少英里才是一个合适的速度呢?答案是日行20英里,即每天走32公里。这样算一下,走完全程大概需要150天,
2018-11-17T13:19:00Z
2018-11-17T13:19:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】心理学上有个法则叫二十英里法则。该法则是由美国心理学家吉姆柯林斯提出的。 这个法则讲的是:从美国西海岸圣地亚哥到某个地方有三千英里的路程,这段路程地貌十分地复杂,而且经常会遭遇天气变化。每天该走多少英里才是一个合适的速度呢?答案是日行20英里,即每天走32公里。这样算一下,走完全程大概需要150天, <a href="https://www.cnblogs.com/pythonlearing/p/9975673.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/pythonlearing/p/9966467.html
五.反馈(Hopfield)神经网络 - 小纯洁的兄弟
前馈网络一般指前馈神经网络或前馈型神经网络。它是一种最简单的神经网络,各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出,并输出给下一层,数据正想流动,输出仅由当前的输入和网络权值决定,各层间没有反馈。包括:单层感知器,线性神经网络,BP神经网络、RBF神经网络等。 递归神经网络(
2018-11-15T14:17:00Z
2018-11-15T14:17:00Z
小纯洁的兄弟
https://www.cnblogs.com/pythonlearing/
【摘要】前馈网络一般指前馈神经网络或前馈型神经网络。它是一种最简单的神经网络,各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出,并输出给下一层,数据正想流动,输出仅由当前的输入和网络权值决定,各层间没有反馈。包括:单层感知器,线性神经网络,BP神经网络、RBF神经网络等。 递归神经网络( <a href="https://www.cnblogs.com/pythonlearing/p/9966467.html" target="_blank">阅读全文</a>