LuoTeng's Blog

每一个不曾起舞的日子都是对生命的辜负


  • 首页

  • 标签

  • 分类

  • 归档

机器学习实战-数据预处理

发表于 2019-04-25 | 分类于 机器学习 , 算法实战
数据集 Country Age Salary Purchased France 44 72000 No Spain 27 48000 Yes Germany 30 54000 No Spain 38 61000 No Germany 40 Yes France 35 58000 Yes Spain 52000 No France 48 79000 Yes Germany 50 83000 No France 37 67000 Yes 第1步:导入库这两个是我们每次都需要导入的库。NumPy 包含数学计算函数。Pandas 用于导入和管 ...
阅读全文 »

支持向量机 SVM 算法实战

发表于 2019-04-22 | 分类于 机器学习 , 算法实战
线性可分 SVM导入包123import numpy as npimport matplotlib.pyplot as pltfrom sklearn import svm 支持向量机的内置算法主要封装在 sklearn 中,直接导入 svm 即可。 生成样本数据123456# 创建40个点x_data = np.r_[np.random.randn(20, 2) - [2, 2], np.random.randn(20, 2) + [2, 2]]y_data = [0]*20 +[1]*20# 绘制图形plt.scatter(x_data[:,0],x_data[:,1],c=y_data) ...
阅读全文 »

支持向量机 SVM 详解

发表于 2019-04-14 | 分类于 机器学习 , 算法
SVM 概述SVM 诞生于上世纪九十年代,由于它良好的性能,自一诞生便席卷了机器学习领域,并牢牢压制了神经网络领域好多年,据说 LeNet5(一种 CNN 手写数字识别算法,属于神经网络)自 1998 年诞生,在后来的好长一段时间并未能火起来,最主要的原因就是 SVM 这货,因为 SVM 也能达到类似的效果甚至超过 LeNet5, 而且比 LeNet5 计算量小。在不考虑集成学习和特定场景情况下,在分类算法中 SVM 毫无疑问是性能最好的分类器。下面就 SVM 的算法原理做一下总结和探讨。 SVM 的基本形式是一个有监督的线性二分类模型,它是间隔最大化的分类器。主要包括以下几种形式: 当训练 ...
阅读全文 »

深度学习 速查手册

发表于 2019-04-11 | 分类于 学习图谱
速查表卷积神经网络速查表: Convolutional Neural Networks cheatsheet Stanford Modern History of Object Recognition 循环神经网络速查表: Recurrent Neural Networks cheatsheet Stanford 数据科学比赛 Kaggle https://www.kaggle.com/competitions 课程深度学习工程师(实战)微专业 计算机视觉 CS231n Stanford 自然语言处理 CS224n Stanford
阅读全文 »

数据结构与算法笔记 (三)

发表于 2019-04-11 | 分类于 笔记 , 数据结构
位运算什么是位运算程序中的所有数在计算机内存中都是以二进制的形式储存的。位运算就是直接对整数在内存中的二进制位进行操作。比如,and 运算本来是一个逻辑运算符,但整数与整数之间也可以进行and 运算。举个例子,6 的二进制是 110,11 的二进制是 1011,那么 6 and 11 的结果就是 2,它是二进制对应位进行逻辑运算的结果(0 表示 False,1 表示 True,空位都当 0 处理)。 由于位运算直接对内存数据进行操作,不需要转成十进制,因此处理速度非常快。 常见的位运算符 符号 描述 运算规则 & 与 两个位都为 1 时,结果才为 1 ︱ 或 两个位都为 ...
阅读全文 »

数据结构与算法笔记 (二)

发表于 2019-04-03 | 分类于 笔记 , 数据结构
递归 & 分治 Recursion Divide & Conquer Recursion 递归 — 循环递归就是通过函数体来进⾏的循环! 举个栗子:计算 $n!$,计算公式:$ n! = 1 \cdot 2 \cdot 3 \cdot … \cdot n $ 1234def Fatorial(n): if n <= 1: return 1 return n * Factorial(n - 1) 递归过程如下图: 举个栗子:计算斐波拉契数列 Fibonacci array: $1, 1, 2, 3, 5, 13, 21, 34, …$计算公式:$ ...
阅读全文 »

数据结构与算法笔记

发表于 2019-03-28 | 分类于 笔记 , 数据结构
数据结构与算法基本数据结构类型 基本数据结构关系 Data Structure & AlgorithmData Structure Array Stack / Queue PriorityQueue LinkedList Queue / Priority queue Stack Tree / Binary Search Tree HashTable Disjoint Set Trie BloomFilter LRU Cache Algorithm Greedy Recursion/Backtrace Traversal Breadth-first/Depth-first sear ...
阅读全文 »

Java 学习笔记 基础类

发表于 2019-03-25 | 分类于 笔记 , java
集合一方面, 面向对象语言对事物的体现都是以对象的形式,为了方便对多个对象的操作,就要对对象进行存储。另一方面,使用 Array 存储对象方面具有一些弊端,而 Java 集合就像一种容器,可以动态地把多个对象的引用放入容器中。 Java 集合类可以用于存储数量不等的多个对象,还可用于保存具有映射关系的关联数组。 Java 集合可分为 Collection 和 Map 两种体系。 Collection 接口: Set:元素无序、不可重复的集合 —类似高中的“集合” List:元素有序,可重复的集合 —“动态”数组 Map 接口:具有映射关系 key-value 对的集合 —类似于高中的“ ...
阅读全文 »

Java 学习笔记 面向对象

发表于 2019-03-18 | 分类于 笔记 , java
基本语法面向对象(一)类及对象类的组成成分: 属性(成员变量,Field) 方法(成员方法,函数,Method) 属性关于变量的分类: 按照数据类型的不同:基本数据类型(8种)& 引用数据类型 按照声明的位置的不同:成员变量 & 局部变量 成员变量与局部变量异同点: 相同点: 遵循变量声明的格式: 数据类型 变量名 = 初始化值 都有作用域 不同点: 声明的位置的不同。成员变量:声明在类里,方法外;局部变量:声明在方法内,方法的形参部分,代码块内。 成员变量的修饰符有四个:public private protected 缺省;局部变量没有修饰符,与所在的方法修饰符 ...
阅读全文 »

强化学习 Reinforcement Learning 模型综述

发表于 2019-03-14
强化学习概述强化学习模型分类通过价值选行为: Q learning Sarsa Deep Q Network 直接选行为: Policy Gradients 想象环境并从中学习: Model based RL 强化学习方法不理解环境(Model-Free) vs 理解环境(Model-Based)不理解环境 Q Learning Sarsa Policy Gradients 基于概率(Policy-Based) vs 基于价值(Value-Based)基于概率 Policy Gradients 基于价值 Q Learning Sarsa 两者结合 Actor-Crit ...
阅读全文 »
1…3456

Luo Teng

58 日志
18 分类
74 标签
GitHub 知乎
Links
  • mamaxu
  • sunyan
© 2020 Luo Teng
由 Hexo 强力驱动
|
主题 — NexT.Gemini v5.1.4