08 2019 档案

DFS
摘要：1 数岛个数 1 1 1 0 1 1 1 0 0 1 1 0 1 0 0 0 0 0 0 0 结果为3 DFS：深度优先搜索，使用递归的遍历 BFS：广度优先遍历，使用队列记录 遍历：按照某种顺序访问“图”中所有的节点 顺序：深度优先（找最深的）：栈 广度优先（找最近的）：队列 时间复杂度 O(n+ 阅读全文
posted @ 2019-08-17 22:45 Z_W 阅读(202) 评论(0) 推荐(0)
机器学习-逻辑回归与SVM的联系与区别
摘要：（搬运工） 逻辑回归(LR)与SVM的联系与区别 LR 和 SVM 都可以处理分类问题，且一般都用于处理线性二分类问题（在改进的情况下可以处理多分类问题，如LR的Softmax回归用在深度学习的多分类中） 区别： 1、LR 是 参数模型，SVM是非参数模型，（svm中的 linear 和 rbf 是 阅读全文
posted @ 2019-08-09 11:33 Z_W 阅读(1312) 评论(0) 推荐(0)
机器学习-softmax回归 python实现
摘要：恢复内容开始 Softmax Regression 可以看做是 LR 算法在多分类上的推广，即类标签 y 的取值大于或者等于 2。 假设数据样本集为：$\left \{ \left ( X^{(1)},y ^{(1)} \right ) ,\left ( X^{(2)},y ^{(2)} \righ 阅读全文
posted @ 2019-08-07 15:20 Z_W 阅读(1332) 评论(0) 推荐(0)
采样-不均衡数据
摘要：不均衡数据的重采样 在实际应用中，我们拿到的数据往往是正负样本比不均衡的，如：医疗诊断、网络入侵检测、信用卡反诈骗、推荐系统推荐等。而许多算法在面对不均衡的样本时往往会出现问题。 比如，最简单的，如果正负样本比例达到1:99，那么分类器将所有的样本都划分为负样本时的正确率能够达到99%，然而这并不是 阅读全文
posted @ 2019-08-06 16:19 Z_W 阅读(738) 评论(0) 推荐(0)
机器学习-采样
摘要：采样的作用 1 采样实现对随机现象的模拟，根据给定高的概率分布，模拟产生一个对应的随机事件。 2 采样也可以看做一种非参数模型，通过利用少数的采样点来近似总体分布，并刻画总体分布中的不确定性。 3 对当前数据进行重采样，可以充分利用已有数据集，挖掘更多信息，如自助法和刀切法。另外，利用重采样技术，可 阅读全文
posted @ 2019-08-05 15:51 Z_W 阅读(831) 评论(0) 推荐(0)
优化算法-无约束优化
摘要：无约束优化的常见算法 无约束优化问题可以表示为： $min_{\theta} L(\theta)$ 其中目标函数 $L(\cdot)$ 是光滑的。如何针对不同的目标函数，不同的应用场景求解一个无约束优化问题是机器学习领域的关注点。 经典的优化算法可以分为直接法和迭代法两大类。 直接法 直接法，就是能 阅读全文
posted @ 2019-08-01 17:20 Z_W 阅读(1088) 评论(0) 推荐(0)
机器学习-损失函数
摘要：有监督学习涉及的常用损失函数及其特点 有监督学习中，损失函数刻画了模型和训练样本之间的匹配程度。 常用的损失函数有：0-1 损失函数，合页损失函数，对数损失函数，平方损失函数，绝对损失函数，Huber 损失函数等。下面分别介绍几个损失函数。 0-1 损失函数 对于二分类问题，希望分类器输出的值与样本 阅读全文
posted @ 2019-08-01 16:34 Z_W 阅读(591) 评论(0) 推荐(0)