原创 Implement strStr（）基本方法和反向思維和優質解法解析

今天做的是LeetCode27。題目要求是找到字符串中子字符串第一次出現的序號，當未找到時返回-1 基本思路就是一個個字符進行比對 一開始想的是從第一個字符開始一直向後 代碼如下： public int strStr(String hay

2020-02-21 12:08:39

原创 exercise3

這次練習的重點是多分類問題和神經網絡的實現 randperm（n）：隨機打亂一個數字序列，結果是從1到n隨機打亂得到的一個數字序列。 首先需要了解one VS all的核心思想和步驟。 這就是之前學習的線性擬合的升級版。 對於之前的線性擬

2018-08-24 21:54:52

原创 exercise5

這次習題的目的在最一開始並沒有搞清楚。根據ex5這個函數對所有函數的調用，走一步看一步， 首先就是對只有一維的簡單的X進行建模。在這次建模過程中，又複習了損失函數和梯度的計算式。一切直接拿一個式子就可以計算出來。以後會遇到很多很多不同維度

2018-08-24 21:54:46 2

原创 exercise7

開始聚類和PCA的學習了，後面的確越來越難了。但是聚類的原理還算是比較簡單的。 聚類的聯繫比較簡單。題目完成了幾乎所有麻煩的部分，我們需要做的就是算法的精華部分，總共有兩點： 1.找到與一個點最近的中心點 2.對這些暫時在一類的點求取一個

2018-08-24 21:54:38

原创 1.3 模式識別系統

1.傳感器 2.分割和組織 3.特徵提取 出於實踐考慮將特徵提取器和模型分離器分開。 通常提取具有以下性質的特徵： 同類非常相近，不同類有較大差異。 4.分類器 作用：根據特徵提取器得到的特徵向量來給一個被測對象賦一個類別標記。 難度取決

2018-08-24 21:54:37

原创 項目筆記（一）

從週一一直做到昨天晚上十二點的任務需要記錄一下。 我的任務筆記簡單，就是處理最原始的數據。整體思路很簡單，就是有10000行數據，每一行有101*101*4*15個數據。我需要每101*101*4個數據變成4個矩陣，然後找出4個矩陣對應位

2018-08-24 21:54:35

原创 1.4 設計循環 1.5學習和適應

1.模式識別系統過程 開始——採集數據——選擇特徵——選擇模型——訓練分類器——評價分類器 具體： 1.數據採集 2.特徵選擇 重點是將先驗知識和實驗數據相結合 3.模型選擇 4.訓練 訓練是本文重點 1.5 學習和適應 有監督學習：分

2018-08-24 21:54:33

原创 exercise6

今天開始做courera的exercise6。剛做的時候嚇一跳，做了一下心理建設，是時候會一會SVM了，吼吼吼吼吼吼吼吼。 在開頭就是使用SVM進行分類操作。樣本有兩個屬性，要把樣本分成正例和反例。代碼實在看不懂，所以上網先學習一下什麼是

2018-08-24 21:54:32

原创 項目筆記（二）

之前是十分基礎的各項數據處理，但就是基礎的數據處理，還是在昨天師兄的幫助下，最後完工的。 出現了各種錯誤，各種完全想不到的錯誤。 根據項目真正實施的步驟展開來總結自己的項目，遇到的各種問題，以及當時的解決方案，對解決方案的分析和現在仍然

2018-08-24 21:54:32

原创 黑馬題庫（1）

開始實現前人已經完成的一個用jsp完成，數據庫支持爲mysql的題庫管理系統。 首先根據前人給出的各種資料，拼湊出了數據庫中的每張表。一定要注意表的屬性的大小寫，以及類型和有效位的書寫，否則之後改起來會很麻煩。還要注意的就是各個外鍵的映射

2018-08-24 21:54:32 1

原创 全部exercise的總結

這幾天，第二次刷完了courera的8個習題，收穫還是蠻大的。 一 最先學習的就是線性迴歸，也是理解最透徹的一個。線性迴歸的根本目的就是使得樣本集中儘可能多的點集中分佈在所畫的線上。所以先推出來一個式子就是Y = WX + b。而我們要

2018-08-24 21:54:30

原创 第一章—— 緒論知識點概括和習題詳解

基本概念 1.每一條記錄是一個示例，共同組成數據集。 示例具有屬性（特徵），屬性的取值爲屬性值，所有示例的可能屬性取值組成屬性空間。每一個屬性的各項取值可以組成一個座標向量，所以可以把示例成爲特徵向量。 2.從數據中學的模型的過程爲學習或

2018-08-24 21:54:30

原创 第二章 模型構建與選擇

基本概念 1.精度 ：(1-a/m) x 100%,m爲樣本總個數，a爲出錯的樣本數目。 在訓練集上的誤差爲經驗誤差。在新樣本上面的誤差爲泛化誤差。 2.P問題：可以在多項式時間內解決並且驗證答案。（多項式時間指的是複雜度中n總在下面。計

2018-08-24 21:54:30 4

原创 exercise1

一個最簡單的線性擬合 1.單位矩陣，使用eye函數實現 2.繪製曲線，使用plot函數，顏色線條及其使用案例在點擊打開鏈接，點擊打開鏈接。 3.實現線性分類器。 原理：y = w * x+b。 現在所有的元素都是矩陣，將x增加常數列爲1，

2018-08-24 21:54:29 4

原创 exercise4

又是週一了，又來這裏開始做題啦。 這次做的exercise4，開始正式進入神經網絡的世界。 本文中所涉及的是一級神經網絡。第一層的維度是400，代表20X20的像素；第二層就是中間層，維度是25，最後一層的維度爲10，代表是10的數字分別

2018-08-24 21:54:29