發(fā)簡信
IP屬地：上海
-
決策樹0. Motivation Decision Tree Classifier, repetitively divides the working...
-
標準庫：線程與并發(fā)
7.1 std::thread std::thread用于創(chuàng)建一個執(zhí)行的線程實例，所以它是一切并發(fā)編程的基礎(chǔ)，使用時需要包含 頭文件 7.2 s...
-
標準庫：指針
5.1 RAII 與引用計數(shù) 智能指針包括std::shared_ptr/std::unique_ptr/std::weak_ptr，使用它們需...
-
標準庫：容器
4.1 std::array 和 std::forward_list std::array會在編譯時創(chuàng)建一個固定大小的數(shù)組，std::array...
-
語言可用性的強化
2.1 常量 nullptr關(guān)鍵字，專門用來區(qū)分空指針、0。而nullptr的類型為nullptr_t，能夠隱式的轉(zhuǎn)換為任何指針或成員指針的類型...
-
第六章 邏輯斯諦回歸與最大熵模型6.1 邏輯斯諦回歸模型 6.1.1 邏輯斯諦分布(logistic distribution) 設(shè)X是連續(xù)隨機變量，X服從邏輯斯蒂分布是指X具...
-
第五章 決策樹5.1 決策樹模型與學習 5.1.1 決策樹模型 決策樹：結(jié)點（內(nèi)部結(jié)點和葉結(jié)點）和有向邊。內(nèi)部結(jié)點表示一個特征或?qū)傩?，葉節(jié)點表示一個類。 5....
-
第四章 樸素貝葉斯法1.樸素貝葉斯法是典型的生成學習方法。由訓練數(shù)據(jù)集學習聯(lián)合概率分布P(X,Y)，然后求得后驗概率分布P(Y|X)。利用訓練數(shù)據(jù)學習P(X|Y)和...
-
RNNWhen you have very long sequences RNNs can face the problem ofvanishing ...