原创 吳恩達機器學習CS229A_EX1_線性迴歸_Python3
單變量回歸 問題描述：你的數據集中，x 是某個城市的人口數量，y 是你的餐車在那個城市的盈虧數額。對這個數據集進行挖掘，幫助你進行決策。 首先導入並分析數據： import numpy as np import pandas as pd
2020-06-20 09:37:03
原创 CMU_CSAPP_LAB3_ATTACKLAB
本實驗要仔細閱讀對應的 write up ，上面給了大量的提示信息，主要是介紹兩種攻擊方式，分兩部分，第一部分的方式對於現代計算機已經基本無效了，第二部分的方式過程比較繁雜，不過原理還是很容易理解的。實驗的主要目的還是熟悉計算機的程序控制
2020-06-20 01:51:41
原创 機器學習實戰_Python3.7_決策樹_ID3
決策樹 ID3 算法原理比較簡單，處理數據的過程也比較容易理解，簡單的說就是以數據集的香農熵作爲判據，利用樹的數據結構遞歸對數據集進行分類。 STEP1 計算數據集的香農熵 #計算數據集的香農熵 def calcShannonEnt(d
2020-06-20 01:51:41
原创 哈工大劉宏偉《計算機組成原理》課程框架總結
哈工大劉宏偉老師的《計算機組成原理》採用自頂向下方法，系統介紹了計算機各個基本部件的體系結構、邏輯實現、控制方式。（一定數電基礎是必要的，如果瞭解彙編更有助於理解部分內容） B站鏈接計算機組成原理——哈工大劉宏偉（B站） 慕課鏈接（上）計
2020-06-20 01:51:41
1
原创 CMU_CSAPP_LAB2_BOMBLAB
CSAPP第二章的第一個實驗BombLab實驗記錄。 實驗內容主要使用 gdb 、objdump 等指令在終端調試程序，利用反彙編查看各個函數運行的彙編代碼，瞭解各個函數的執行過程。 附gdb指令精簡手冊：http://csapp.cs.
2020-06-20 00:45:52
1
原创 CMU_CSAPP_LAB1_DATALB_環境配置與代碼實現
本文對CSAPP學習第二章《信息的表示與處理》中的編程案例實踐和大實驗DATALAB進行彙總小結。 第二章內容主要包括： 數據在內存中的表示方式 布爾運算——位運算（~ & | ^）、邏輯運算（！ && ||） 整數的表示方法與
2020-06-20 00:45:52
原创 吳恩達機器學習CS229A_EX4_神經網絡與反向傳播算法_Python3
神經網絡與反向傳播算法 模型是前饋神經網絡，優化方法是梯度下降法，求偏導的方式是反向傳播算法，數據集依然是手寫數字。 本文關於反向傳播算法 BP，附了一些數學解釋，詳細講解了算法過程。 關於前向傳播算法 FP，可以參考：吳恩達機器學習CS
2020-04-25 17:10:16
原创 吳恩達機器學習CS229A_EX5_偏差與方差_Python3
本次實驗使用 EX1 寫過的線性迴歸，主要是分析理解欠擬合（高偏差 bias）和過擬合（高方差 variance）。 因爲編寫的代碼基本在 EX1 和 EX2 都有涉及，主要記錄實驗過程，關於代碼的詳細註解可以參考： 吳恩達機器學習CS2
2020-04-25 17:10:16
原创 吳恩達機器學習CS229A_EX3_LR與NN手寫數字識別_Python3
任務描述 數據集爲手寫數字，是一個多分類問題，分別用邏輯迴歸和神經網絡做。 邏輯迴歸 邏輯迴歸及其正則化已經在 EX 2 做過，這裏做一些修改即可。 首先導入數據，給出的數據集是 Matlab 的 .mat 格式，每個樣本是 20 * 2
2020-04-23 02:17:11
原创 吳恩達機器學習CS229A_EX2_邏輯迴歸與正則化_Python3
邏輯迴歸 問題描述：特徵集爲學生的兩門課的成績，標籤集爲是否被大學錄取。 說明： 這裏調用 scipy 庫函數執行梯度下降的具體迭代，不用手動設置步長和迭代次數，但 cost 如何計算、梯度如何求取需要以函數形式傳遞給 scipy； nu
2020-04-23 02:17:11
原创 吳恩達機器學習CS229A_EX1_線性迴歸
單變量回歸 問題描述：你的數據集中，x 是某個城市的人口數量，y 是你的餐車在那個城市的盈虧數額。對這個數據集進行挖掘，幫助你進行決策。 首先導入並分析數據： import numpy as np import pandas as pd
2020-04-20 02:57:07
原创 機器學習實戰_Python3.7_AdaBoost元算法
AdaBoost 元算法 AdaBoost 元算法是基於某一個前面介紹過的算法（比如 kNN、決策樹、SVM）的，以決策樹爲例，我們的目標不是直接訓練完整的決策樹，尋求最優的參數設置，而是用很多不完美的決策樹，將它們的計算結果經過加權
2020-04-20 02:57:07
原创 機器學習實戰_Python3.7_支持向量機SVM
SVM 算法原理 SVM 基本思想是依據“間隔最大化”，構建超平面將特徵空間一分爲二，用於分類。 SVM 可分爲三類： 線性可分 SVM 線性 SVM 非線性 SVM 線性可分 SVM 用於處理線性可分的數據，其分類結果是“完美”的、唯一
2020-04-20 02:57:07
原创 機器學習實戰_Python3.7_kNN算法
使用 Python3.7 編譯，代碼與書中類似，修改了 python2 被淘汰的語法，附詳細註解。 kNN算法原理非常簡單，無需贅述，缺點主要是運行速度。 這裏使用的方法全都是矩陣結構，全局遍歷，沒有用到高級數據結構，運行效率較低，但是實
2020-04-14 19:52:05
原创 機器學習實戰_Python3.7_Logistic迴歸
Logistic 迴歸，算法思想是使用 sigmoid( W * X ) 來預測結果，將特徵置以不同權制相加，再加上一個偏置量，得到的值經過 sigmoid 函數的處理，進行預測。 其中 W 向量是我們要根據訓練集數據得到的，這裏用的方法
2020-04-14 19:52:05