freqzMATLAB提供了專門用于求離散系統(tǒng)頻響特性的函數(shù)freqz()，調(diào)用freqz()的格式有以下兩種：1:[H,w]=freqz(B,A,N) H是頻率響應(yīng)的幅度，...
IP屬地：陜西
-
matlab 函數(shù) freqz -
互信息——事件相關(guān)性度量
延續(xù)上一次對(duì)熵的理解，今天來看看互信息。先說概念：互信息（Mutual Information）也叫轉(zhuǎn)移信息（transinformation），是兩個(gè)隨機(jī)變量間相互依賴性的...
-
Matlab安裝libsvm工具箱全流程，包括手動(dòng)安裝MinGW編譯器最近需要使用支持向量機(jī)，要用到libsvm這個(gè)工具箱，中間遇到不少問題。現(xiàn)在將整個(gè)的安裝流程寫在下面，大家遇到問題可以對(duì)應(yīng)著看，應(yīng)該怎么解決。我的軟件環(huán)境是Matlab R2...
-
MATLAB下配置C和C++編譯器（MinGW）很多時(shí)候需要在Matlab下使用C或C++邊寫的代碼，這時(shí)候就需要先用編譯器將代碼編譯成Matlab可以用的mex文件，即使安裝了VS，有時(shí)候Matlab還是找不到編譯器，檢...
-
集成學(xué)習(xí)（五）Stacking1. 導(dǎo)言 Stacking集成算法可以理解為一個(gè)兩層的集成，第一層含有多個(gè)基礎(chǔ)分類器，把預(yù)測(cè)的結(jié)果（元特征）提供給第二層，而第二層的分類器通常是邏輯回歸，他把一層分類器的結(jié)...
-
論文閱讀“Semi-supervised clustering with deep metric learning and graph embedding”Li X, Yin H, Zhou K, et al. Semi-supervised clustering with deep metric learning and gr...
-
AI學(xué)習(xí)筆記——模糊邏輯(Fuzzy Logic)模糊邏輯嚴(yán)格意義上來說與之前講的機(jī)器學(xué)習(xí)沒有什么太大的關(guān)系，但是對(duì)于人工智能AI來說，我認(rèn)為是一個(gè)非常重要的概念。所以這篇文章就來講講什么是模糊邏輯，以及模糊邏輯的應(yīng)用。 1...
-
-
CNN中各個(gè)卷積層詳細(xì)講解
轉(zhuǎn)載侵刪[https://blog.csdn.net/sinat_42239797/article/details/90646935] 我將從以下幾個(gè)方面來進(jìn)行解說：1.卷積...
-
機(jī)器學(xué)習(xí)之?dāng)?shù)學(xué)數(shù)學(xué)基礎(chǔ) 1.導(dǎo)數(shù)和梯度 導(dǎo)數(shù)根據(jù)高中知識(shí)可以知道，如果想求一個(gè)函數(shù)的最小值，我們可以對(duì)函數(shù)求導(dǎo)，導(dǎo)數(shù)為0的點(diǎn)，是函數(shù)在該點(diǎn)處切線斜率為0的點(diǎn)，是函數(shù)的駐點(diǎn)，但不一定為極值點(diǎn)...
-
Hurst指數(shù)概念及計(jì)算方法
一、什么是Hurst指數(shù) Hurst指數(shù)，簡單來講就是有偏的隨機(jī)游走。Hurst指數(shù)最初是由英國水利學(xué)家[Harold Edwin Hurst](https://en.wik...
-
Ensemble Learning一、概況 將幾個(gè)弱監(jiān)督模型組合，得到一個(gè)更好更全面的強(qiáng)監(jiān)督模型，集成學(xué)習(xí)潛在的思想是即便某一個(gè)弱分類器得到了錯(cuò)誤的預(yù)測(cè)，其他的弱分類器也可以將錯(cuò)誤糾正回來。 集成學(xué)習(xí)的一般結(jié)...
-
科研論文第十一講——計(jì)量模型和回歸分析
(1) 計(jì)量模型與估計(jì)方法(Econometric model and estimation) 在此部分，需結(jié)合所研究的問題及已有數(shù)據(jù)，給出具體的計(jì)量模型，即回歸方程。 通常...
-
遞歸特征消除（RFE）+ 交叉驗(yàn)證遞歸特征消除（Recursive feature elimination） 遞歸特征消除的主要思想是反復(fù)構(gòu)建模型，然后選出最好的（或者最差的）特征（根據(jù)系數(shù)來選），把選出來的...
-
使用Nebulosa可視化scRNAseq,Featureplot的補(bǔ)充Overview 由于在單細(xì)胞數(shù)據(jù)（如RNA-seq、ATAC-seq）中觀察到的稀疏性，細(xì)胞特征（如基因、峰）的可視化經(jīng)常受到影響和不清楚，特別是當(dāng)它與聚類重疊以注釋細(xì)胞類...
-
-
吳恩達(dá)機(jī)器學(xué)習(xí)——異常檢測(cè)本章內(nèi)容：· 15.1 問題的動(dòng)機(jī)· 15.2 高斯分布· 15.3 算法· 15.4 開發(fā)和評(píng)價(jià)一個(gè)異常檢測(cè)系統(tǒng)· 15.5 異常檢測(cè)與監(jiān)督學(xué)習(xí)對(duì)比· 15.6...
-
sklearn學(xué)習(xí)之線性回歸目錄 什么是回歸 一元線性回歸 損失函數(shù) 最小二乘估計(jì) 小結(jié)及代碼 1. 什么是回歸 回歸算法是相對(duì)分類算法而言的，與我們想要預(yù)測(cè)的目標(biāo)變量y的值類型有關(guān)。如果目標(biāo)變量y是分...