原创 統計學習方法筆記,第二章筆記, 感知機

2.1 感知機模型 模型函數: 其中 感知機屬於線性模型,因爲其含有 超平面將空間分爲兩個部分,位於超平面兩側的點分別是正、負兩類。 2.2 感知機的學習策略 感知機模型的學習策略是讓誤分類的點到超平面的距離最小。那麼誤分類的點怎麼求呢

原创 kd樹建立的python實現

本篇博客是參考李航的《統計學習方法》第三章3.3,使用python實現kd樹的建立。kd樹本質上就是平衡二叉樹,只是注意要選擇中位數作爲節點即可 class kdNode: def __init__(self, data = No

原创 統計學習方法筆記,第三章,k近鄰法

k近鄰法的三要素:k值的選擇,距離度量和分類決策規則 分類規則一般都是多數表決 k近鄰法沒有顯式的訓練過程 3.1 k近鄰算法 主要思想:k個最近點多數表決,個數最多的類即爲最後的分類。 3.2 k近鄰模型 3.2.2距離度量 常用的距

原创 使用U-Net分割方法進行癌症診斷(教程翻譯)

最近在做天池醫療AI大賽,看到一份不錯的資料,想翻譯一下做個記錄,原鏈接點擊打開鏈接 原作者JonathanMulholland 以下是翻譯內容 在本教程中,我們將展示一種方法來根據患者的CT掃描圖像來判斷患者是否患有癌症

原创 POJ 1003 & UVA 2294

思路:先離線求得卡片數對應長度的數組,然後使用二分查找,注意c語言的abs()函數返回的是整數類型,要返回浮點數可以使用fabs函數 #include<stdio.h> #include<stdlib.h> #include<math.h

原创 POJ 1552 & ZOJ 1760 & UVA2787

思路:循環讀取數字,根據標誌終止,對每一組數字遍歷兩次 #include <iostream> using namespace std; int main() { int a[16], count; cin >> a[

原创 POJ 2196 & ZOJ 2405 & UVA 3199

思路:進制轉換,使用輾轉相除法,由於只需要求和,因此不需要考慮餘數逆序,直接相加即可 #include<iostream> using namespace std; int systemSum(int x, int base) {

原创 牛客網 二維數組中的查找python實現

思路:二維數組由上到下,由左到右遞增,可以選取右上角或者左下角的元素a[row][col]與target進行比較, 當target小於元素a[row][col]時,target必定在a[row][col]所在行的左邊, 當target大於

原创 【機器學習】從RNN到Attention 下篇 Transformer與Self-Attention

在上一篇【機器學習】從RNN到Attention 中篇 從Seq2Seq到Attention in Seq2Seq中我們介紹了基於RNN結構的Attention機制,Attention機制通過encoder和注意力權重可以觀察到全

原创 【機器學習】從RNN到Attention 中篇 從Seq2Seq到Attention in Seq2Seq

變長輸出模型——Seq2Seq 在上一篇【機器學習】從RNN到Attention上篇 循環神經網絡RNN,門控循環神經網絡LSTM中,我們的建模基礎是通過一串歷史的時間序列x1,x2,.....,xtx_1,x_2,.....,x

原创 【機器學習】從RNN到Attention之循環神經網絡RNN,門控循環神經網絡LSTM

打算寫一個從RNN到Attention的系列文章,今天先介紹一下循環神經網絡RNN和門控循環神經網絡LSTM,很多內容爲筆者自己的理解,難免有疏漏之處,歡迎大家探討。 一.爲什麼RNN比DNN更適合時間序列問題 DNN求解時序問題

原创 【機器學習深度學習】—— 各種梯度下降的變形momentum,adagrad,rmsprop,adam分別解決了什麼問題

Momentum Momentum的公式表達 設時間步ttt的自變量爲xt\boldsymbol{x}_txt​,學習率爲ηt\eta_tηt​。在t0t_0t0​時刻,速度變量v0=0\boldsymbol{v}_0=0v0​=

原创 統計學習方法筆記, 第四章,樸素貝葉斯python實現

上一篇博客記錄了樸素貝葉斯,本篇博客爲實現,實現代碼如下: from __future__ import division   class Bayes:     def __init__(self):         self.X =

原创 統計學習方法筆記,第四章樸素貝葉斯法

樸素貝葉斯法基於貝葉斯定理和條件獨立假設,是一種生成判別的方法,因爲是生成概率分佈模型,它的效率很高很快,且可適用小樣本問題和樣本不平衡問題。 4.1 樸素貝葉斯法的學習與分類 已知類集合爲,對於一個輸入的特徵向量,我們的預測問題通常可

原创 redis批量寫入並設置過期時

redis可以通過mset批量寫入key,value值,但是如果對於寫入後的key,value值一個一個設置過期時間的話速度較慢,最近發現了一個可以同時完成批量寫入並設置過期時間的方法,記錄一下,希望對他人有所幫助。 with red