原创 「sklearn_1」決策樹
在之前的文章中，以及提到過決策樹的原理和實現，下面闡述如何使用python3（jupyter）實現 首先，這裏有很好用的sklearn庫：參考官方文檔： https://scikit-learn.org/stable/modules/ge
2020-05-18 06:58:04
原创 「java」重載&重寫&多態
在學習繼承後，很多同學會混淆：繼承後重載，重寫和多態的問題，我就寫了一個小程序對下面對幾個事情進行下解釋。 我建議不理解或則有疑惑的地方，可以自己寫個類測試一下就會明白其中的含義。 有些圖由於csdn網站的原因，一直顯示服務器存在錯誤，我
2020-05-18 06:58:04
原创 「sklearn_2」Feature selection
Feature selection 首先，feature selection很重要，我就不闡述原因了，我們來看幾種常用對方法 官方文檔：https://scikit-learn
2020-05-18 06:57:54
原创 「python」numpy庫
本文用來記錄我在使用numpy庫時，經常使用的函數 1. shape 功能：查看矩陣或者數組的維數。 3*3 >>> e = eye(3) >>> e array([[ 1., 0., 0.], [ 0., 1
2020-05-18 06:57:54
原创 多線程實現字典系統(server+client)
多線程字典系統實現 首先說明下該系統可以實現的功能，小白都可以！！！！ 該博客只提供學習和實現的思路，如果需要詳細的代碼，請留言！！！ 1 具體要求 簡單來說，就是實現
2020-05-14 20:40:21
原创 「圖_03」用例圖
「圖_03」用例圖 1. 介紹： 用例圖主要用來描述角色以及角色與用例之間的連接關係，說明的是誰要使用系統，以及他們使用該系統可以做些什麼。 一個用例圖包含了多個模型元素，如系統、參與
2020-05-12 01:23:02
原创 「圖_02」時序圖 sequence diagram
「圖_02」時序圖 sequence diagram 系列文章： 「圖_01」類圖 下面的介紹部分主要是根據其他的文章編寫的，但是第四部分的例子是我自己找到。 1. 介紹 時序圖表示的是對象之間的
2020-05-12 01:23:02
14
原创 「機器學習_8」 perceptron 實例
Perceptron 具有隱藏層數據數據的訓練 下面是一個具體的訓練參數的實例，有具體更新參數的計算過程，可以更直觀的理解perceptron的實現過程。 我還有一篇文件是介紹perceptron原理的，有興趣的朋友可以看下：http
2020-05-09 20:56:45
原创 「圖_01」類圖
「圖_01」類圖 1.介紹 簡單來說，類圖主要是用來表示類以及類直接的關係。 2.畫法 類圖中，主要是包括圖和關係。 2.1 類 & 接口 圖其實也就是我們看到的長方形，主要用來表示各個類
2020-05-09 20:56:45
原创 「機器學習_11」分類和迴歸
分類和迴歸 Classification & regression 本質上講：classification是預測一個標籤，但是regression是關於預測數量
2020-05-09 20:56:45
1
原创 「機器學習_6」The Perceptron
The Perceptron 注意：本文主要介紹preceptron（沒有隱藏層）的工作原理，和具體的實例（具體的數據如何進行權重的迭代更新的），但是沒有代碼實現。preceptron
2020-05-04 22:33:58
原创 「機器學習_9」 Backpropagation
Learning Parameters of Multi-layer Perceptrons with Backpropagation 本文主要描述如何使用反向傳播來更新weights，因爲博客上傳一直存在問題，因爲看
2020-05-04 22:33:58
原创 「機器學習_7」 one-hot encoding解釋
one-hot encoding 的解釋 1. What is categorical data？ 這裏說什麼，什麼是分類的數據。簡單來說，其實要input的數據，一般要訓練的模型有很多個instances，每個instance可能
2020-05-04 22:33:48
原创 「機器學習_10」Backpropagation 實例
Multilayer perceptron計算--- backpropagation The network should implement the XOR function. 已知：
2020-05-04 22:33:48
原创 「機器學習_5」邏輯迴歸（Logistic Regression ）
學習邏輯迴歸需要清楚的幾件事：假設函數怎麼用（怎麼預測），決策邊界怎麼用（一般取0.5），損失函數如果計算（因爲要取最小），優化方法（重新計算各個權重） 建議：我閱讀的英文參考資料的相關內容除了公式我並沒有往上發佈。但是我會放到我的下載資
2020-05-02 07:17:19