今天看到一個視頻,讓我感觸挺深。說的是人生就像一個帶約束條件求最優(yōu)解的問題。每個個體需要找到他們各自的目標(biāo)函數(shù),而所處的環(huán)境、閱歷等因素等下必須要做的事同于不同的約束條件。人...
今天看到一個視頻,讓我感觸挺深。說的是人生就像一個帶約束條件求最優(yōu)解的問題。每個個體需要找到他們各自的目標(biāo)函數(shù),而所處的環(huán)境、閱歷等因素等下必須要做的事同于不同的約束條件。人...
昭昭若日月之明,離離如星辰之行春秋代序,陰陽慘舒慷慨以任氣,磊落以使才 今天在小紅書上看到一個有趣的事,某人姓操(cao),求給孩子取個名字,評論插科打諢的都有。唯獨(dú)一條評論...
更新Anaconda conda update conda 更新所有包 conda update --all 因?yàn)橹苯痈聲浅B?,需要添加一些源地址?添加清華源 執(zhí)行以下...
關(guān)于邏輯回歸的理解以及公式推導(dǎo),可以看前面的文章邏輯回歸公式推導(dǎo) 邏輯回歸 sigomoid function: 用梯度上升算法來求參數(shù),求函數(shù)的最大值。 迭代步驟: 訓(xùn)練算...
邏輯回歸(logistic-regression) 邏輯回歸:個人理解就是一個線性回歸經(jīng)過階躍函數(shù)的處理,變成一個二項(xiàng)分類器,輸出結(jié)果只能是0,1的條件概率的大小,其實(shí)是一種...
為了解決自動化報(bào)告之類的問題,測試了幾種不同的方案之后,我選了 LaTex。利用 LaTex 生成 PDF 文檔可定制性強(qiáng),排版精美,雖然不像 HTML 可以互動,但是 La...
1 基本語法 1.1 呈現(xiàn)位置 正文(inline)中的LaTeX公式用$...$定義 語句為$\sum_{i=0}^N\int_{a}^g(t,i)\textu0z1t8ost...
想知道為什么似然函數(shù)可以連乘
深入淺出最大似然估計(jì)(Maximum Likelihood Estimation)最大似然估計(jì)是利用已知的樣本的結(jié)果,在使用某個模型的基礎(chǔ)上,反推最有可能導(dǎo)致這樣結(jié)果的模型參數(shù)值。 例子1:抽球 舉個通俗的例子:假設(shè)一個袋子裝有白球與紅球,比例未知,現(xiàn)在抽...
樸素貝葉斯算法(Naive Bayes) 前兩章學(xué)習(xí)的knn和決策樹分類都直接給出了答案,但是不能避免一些分類錯誤,本章學(xué)習(xí)的方法給出的是一個最優(yōu)的類別猜測結(jié)果,并且給出概率...
決策樹(DecisionTree) 優(yōu)點(diǎn): 計(jì)算復(fù)雜度不高 對中間缺失值不敏感 可以處理不相關(guān)數(shù)據(jù) 缺點(diǎn): 容易過擬合 決策樹算法主要有3個步驟:1.特征選擇;2.構(gòu)造決策樹...
機(jī)器學(xué)習(xí)實(shí)戰(zhàn)筆記-knn算法實(shí)戰(zhàn) 本文內(nèi)容源于《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》一書,主要介紹了knn(k-nearest neighbor)算法的原理、python代碼實(shí)現(xiàn)、以及兩個簡單的應(yīng)...
梯度下降的場景假設(shè)梯度梯度下降算法的數(shù)學(xué)解釋梯度下降算法的實(shí)例梯度下降算法的實(shí)現(xiàn)Further reading 本文將從一個下山的場景開始,先提出梯度下降算法的基本思想,進(jìn)而...
進(jìn)程的基本概念 進(jìn)程是程序的一次執(zhí)行,每個進(jìn)程都有自己的地址空間,內(nèi)存,數(shù)據(jù)棧以及其他記錄其運(yùn)行軌跡的輔助數(shù)據(jù)。多進(jìn)程就是在一個程序中執(zhí)行多個任務(wù),可以提高腳本的并行執(zhí)行能力...
1.線程的基本概念 1.1 線程 線程是應(yīng)用程序最小的執(zhí)行單元,線程與進(jìn)程類似,進(jìn)程可以看做程序的一次執(zhí)行,而線程就是這個程序的各個功能,比如打開修圖軟件,就是一個進(jìn)程,而修...
廣度優(yōu)先搜索 (breadth-first search,BFS)是一種圖算法,能找出兩樣?xùn)|西之間的最短距離。 最短路徑問題,比如乘車去某個地點(diǎn),中間需要換乘,路線有很多種,...