as火柴人

导航

2018年12月4日 #

实现数组(java)

摘要: 一,数组 java中有对数组的数据结构:数组就是一个存放固定数据的结构。 数组的声明举例:int [] array=new int [3],与之相同的是private in [ ] array; array=new int [ 3 ] int[ ] array={1,2,3},声明一个数组,并且给予 阅读全文

posted @ 2018-12-04 22:11 as火柴人 阅读(333) 评论(0) 推荐(0)

java基础语法

摘要: 基础: 编译(将java语言翻译成JVM的字节码)-运行(JVM运行) javac.exe编译 java.exe运行。 用记事本写HelloWorld,文件内部的class名要和文件名一样。 启动cmd ,切换到程序所在的父目录H:\java\ dir 可以查看文件 javac以后会产生一个.cla 阅读全文

posted @ 2018-12-04 21:10 as火柴人 阅读(548) 评论(0) 推荐(0)

2018年12月3日 #

独立成分分析

摘要: 一,作用:还原信号;前提条件是样本数据由概率分布符合独立非高斯分布,且相互独立的因子产生。 例如:鸡尾酒舞会分离说话者发出的声音,因子就是说话者发出的声音,这些声音信号都是非高斯分布的。而且说话者之间是相互独立的。 算法的思想:用极大似然函数来进行参数的更新参数直到迭代收敛之后,就可以求出各个独立成 阅读全文

posted @ 2018-12-03 19:24 as火柴人 阅读(447) 评论(0) 推荐(0)

2018年12月2日 #

奇异值分解

摘要: https://blog.csdn.net/jinshengtao/article/details/18448355 https://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html 阅读全文

posted @ 2018-12-02 16:49 as火柴人 阅读(110) 评论(0) 推荐(0)

2018年11月30日 #

线性回归,多项式回归(P2)

摘要: 回归问题 回归问题包含有线性回归和多项式回归 简单来说,线性回归就是用多元一次方程拟合数据,多项式回归是用多元多次来拟合方程 在几何意义上看,线性回归拟合出的是直线,平面。多项式拟合出来的是曲线,曲面。 二,线性回归问题 2.1 线性回归 线性回归问题,是监督学习,输出是连续值。(批梯度下降训练参数 阅读全文

posted @ 2018-11-30 17:08 as火柴人 阅读(530) 评论(0) 推荐(0)

P1(2)线性回归

摘要: 线性回归问题,是监督学习,输出是连续值。(批梯度下降训练参数+平方误差函数做代价函数) 阅读全文

posted @ 2018-11-30 16:12 as火柴人 阅读(192) 评论(0) 推荐(0)

代价函数与目标函数

摘要: 一。引入 在机器学习过程中,在ppt上看到一句话,大部分的分类,回归,聚类算法,不过就是迭代,选择参数,优化目标函数。所以把代价函数整理一下。 损失函数:单个样本的误差 代价函数:损失函数的平均(让代价函数最小) 目标函数:需要优化的函数,等于经验风险+结构化风险(正则化项) 最小化代价函数是为了优 阅读全文

posted @ 2018-11-30 15:26 as火柴人 阅读(634) 评论(0) 推荐(0)

2018年11月29日 #

高斯分布(总)

摘要: 一,一维高斯分布 N(μ,δ2) 二,多维高斯分布 二维高斯分布,这时的随机变量组成了随机向量:v=[x,y]T。 图2.1 图2.2 注意:这两种图的区别。2.1图是二维高斯分布的各采样点的分布,这些点是二维分布的高斯点,通过点的疏密才能看出分布概率的大小。2.2图是二维高斯分布点和点的概率分布图 阅读全文

posted @ 2018-11-29 11:34 as火柴人 阅读(2612) 评论(0) 推荐(0)

2018年11月28日 #

算法题细节

摘要: self: 类里面不定义init时,默认是pass,而且不传入任何参数,这个时候在实例化的时候也不能传入任何参数。类里面的其他函数在定义时可以传入其他参数,实例.该函数时就要 有传入参数。 参数(不管是要传入的参数,还是附加的参数)如果想设置成全局变量,就在init里面首次出现,而且加上self。这 阅读全文

posted @ 2018-11-28 22:19 as火柴人 阅读(155) 评论(0) 推荐(0)

2018年11月26日 #

分类算法

摘要: 一,分类问题(又叫做预测问题,预测的对象是数值类型) 训练集(用来构建模型,拟合模型,可以训练出很多个模型)——>使用模型:测试集(仅仅一次使用,评估模型泛化的性能),验证集(进行模型的选择选择特征,调参,防止过拟合,多次使用,以不断调参),这些都是已知table的 分类问题的本质是,根据一些属性去 阅读全文

posted @ 2018-11-26 21:48 as火柴人 阅读(383) 评论(0) 推荐(0)