11 2017 档案

Logistic回归
摘要：话说网上记录这本书内容的博客好多，而且挺多写的不错的。emmmmm，我写的这么渣我都不好意思写了。 3点半睡7点起，困困的一天，看懂了原理但愣是没看懂Logistic回归的代码，这里先贴个代码暂存一下，改天弄懂了再补。 Logistic回归的目的是寻找一个非线性函数Sigmoid的最佳拟合参数，求解 阅读全文
posted @ 2017-11-27 17:32 docyard 阅读(297) 评论(0) 推荐(0)
基于概率论的分类方法：朴素贝叶斯
摘要：前两章我们要求分类器做出决策，给出“该数据实例属于哪一类”这类问题的明确答案。 不过，分类器有时会产生错误结果，这时可以要求分类器给出一个最优的类别猜测结果，同时给出这个猜测的概率估计值。 假设有一个数据集，由两类数据组成，如下所示 用p1(x,y)表示数据点(x,y)属于类别1(圆点)的概率 用p 阅读全文
posted @ 2017-11-27 11:16 docyard 阅读(791) 评论(1) 推荐(0)
决策树 预测隐形眼镜类型
摘要：上图所示流程图就是一个决策树，长方形代表判断模块，椭圆形代表终止模块，表示已经得出结论，可以终止运行。从判断模块引出的左右箭头成为分支，它可以到达另一个判断模块或者终止模块。 k-近邻算法最大的缺点就是无法给出数据的内在含义，决策树的主要优势在于数据形式非常容易理解。 决策树的一个重要任务是为了理解 阅读全文
posted @ 2017-11-23 18:38 docyard 阅读(4047) 评论(0) 推荐(1)
k-近邻算法2（kNN）手写识别系统
摘要：这里构造的系统只能识别数字0-9 目录trainingDigits中包含了1934个文件 目录testDigits中包含了946个文件 文件形式 （1）准备数据：将图像转换为测试向量 （2）测试算法：使用k-近邻算法识别手写数字 上篇+这篇的全部代码 #!usr/bin/env python3 # 阅读全文
posted @ 2017-11-22 16:19 docyard 阅读(416) 评论(0) 推荐(0)
k-近邻算法1（kNN）使用kNN算法改进约会网站的配对效果
摘要：最近边看NG老师的机器学习课程和西瓜书，无奈交织着各种数学推导，有些晦涩难懂，看到网上推荐了《machine learning in action》比较适合新手入门， 书中数据和源码在此 http://pan.baidu.com/s/1miIcMPM 书中也有代码实现。便开始混着看。顺便学一下pyt 阅读全文
posted @ 2017-11-21 18:28 docyard 阅读(1215) 评论(0) 推荐(0)
几篇关于java多线程和maven和NP问题的博客链接
摘要：多线程 https://www.cnblogs.com/wxd0108/p/5479442.html http://www.importnew.com/21136.html maven 以前一直感觉这东西很奇怪。最近用了一下发现很方便。也不需要一直去网上搜jar包。 http://www.yiiba 阅读全文
posted @ 2017-11-20 09:48 docyard 阅读(305) 评论(0) 推荐(0)
几篇关于网络方面的博客链接
摘要：代理IP http://www.qlcoder.com/q/766b#da94 基本网络术语 http://tech.163.com/07/0820/13/3MBFA7V40009158K.html java Http请求 https://www.cnblogs.com/zhuawang/archi 阅读全文
posted @ 2017-11-20 09:45 docyard 阅读(136) 评论(0) 推荐(0)
千里码_洗刷刷
摘要：先是一个MD5的类 package temp; import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import java.io.PrintWriter; impor 阅读全文
posted @ 2017-11-20 09:42 docyard 阅读(223) 评论(0) 推荐(0)
前端的图片隐写术
摘要：最近同事告诉了一个叫千里码的网站，进去看了一下，感觉很不错，覆盖面挺广，题目也很有意思，也附带了相关的学习素材。 里面有一题隐写术的 http://www.qlcoder.com/task/7617 下面是一位大佬的解答 http://www.alloyteam.com/2016/03/image- 阅读全文
posted @ 2017-11-10 12:31 docyard 阅读(475) 评论(0) 推荐(0)