原创 算法圖解第四章快速排序學習筆記

分而治之(divide & conquer,D&C) 一種著名的遞歸式問題解決方法 使用D&C解決問題的過程包括兩個步驟: 1) 找出基線條件,這種條件必須儘可能簡單; 2)不斷將問題分解(或者說縮小規模),直到符合基線條件 將長1680

原创 寫作是最好的自我投資第一章會說的人很多,能寫的人太少

影響力怎麼構成?有兩個能力:第一是寫作,第二是演講. -----羅振宇 有些人永遠在等好機會,而好機會往往是自己創造出來的. 因爲焦慮的本質是知道自己不知道,想要改變,而很多人是不知道自己不知道,這纔是最可怕的. 不停的思考,纔是避免思想

原创 PPT學習與製作第二課

PPT軟件的初始化設置: 1: 撤銷次數設置:  文件-->選項-->編輯裏面設置   2: 自動保存,wps自動已設置  四步法PPT製作: 一,打開PPT   二,插入圖片   三,插入文字   四,點擊放映 三:  拒絕使用以下

原创 PPT學習與製作第一課

好的PPT涉及到的學科:  1:演說 2:設計 3: 心理 4: 邏輯  5:溝通     PPT製作好壞不重要,重要的是講PPT的場合   PPT是一個畫圖工具 做Word的不如做Excel的; 做Excel的不如做PPT的; 做PP

原创 PPT學習與製作第三課

中文字體分類: 宋體 黑體  書法 手寫  楷體 裝飾 卡通  圓體   根據場合搭配字體: 商務報告PPT字體怎麼選: 1: 商務場景氣質 1)嚴謹 2)商務 3) 簡潔 2 使用目的: 1) 耐看  2 )長時間閱讀體驗良好  3)

原创 吳恩達機器學習第五章節多變量線性迴歸學習筆記

下圖就是多變量的假設函數:    

原创 吳恩達機器學習第三章線性代數回顧學習筆記

matrix:矩陣 vector:向量 vector: an n *1matrix; 矩陣的加法:只有相同維度的矩陣才能相加   矩陣的乘法和除法:   兩個矩陣的乘法:   m×n矩陣 乘以 n×o矩陣 = m×o矩陣 矩陣的乘法

原创 吳恩達機器學習第二章節單變量線性迴歸學習筆記

m:數據集的樣本數 x:輸入變量(特徵) y:輸出變量或者目標變量 (x ,y):一個訓練樣本 (x^(i),y^(i)(:表示特定訓練樣本,其中i表示第i個樣本,及訓練集的一個索引,i也可以表示數據集表格中的第i行 如下圖所示:這種模型

原创 吳恩達機器學習課時4無監督學習學習筆記

在無監督學習中,我們所用的數據集跟監督學習不同,沒有任何標籤或都具有相同的標籤或者都沒有標籤; 對於給定的數據集,無監督學習算法可能判定該數據集包含兩個不同的簇;這就是聚類算法,   谷歌新聞用的聚類算法 使用Octave來學習機器學習

原创 吳恩達機器學習網易雲課堂課時2什麼是機器學習讀書筆記

Arthur Samuel(1959) 對機器學習定義:在沒有明確設置的情況下,使計算機具有學習能力的領域。 Tom Mitchell(1998)對機器學習的定義:計算機程序從經驗E中學習,解決某一任務T,進行某一性能度量P,通過P測定在

原创 吳恩達機器學習課時三監督學習學習筆記

監督學習是指我們給算法一個數據集,其中包含了正確答案,在這個數據集中的每個樣本,我們都給出了正確的結果,算法的目的就是給出更多的正確答案。更專業的術語就是被稱爲迴歸問題。 分類問題:分類是指我們設法預測一個離散值輸出;  

原创 寫作是最好的自我投資第九章人人都能寫出爆款文讀書筆記

天才的唯一祕密,就在於刻意練習,用自己的一套系統性的方法,不斷突破自己的邊界。   ——(美)安德斯·艾利克森   什麼是爆款文: 一天能夠漲粉5萬、10萬,這個叫大爆款文。還有一種小爆款文,就是比你平時的閱讀量高出三五倍的那種文章。  

原创 寫作是最好的自我投資第八章你所理解的新媒體寫作也許都是錯的讀書筆記

任何一個好產品都是聰明人用笨功夫做出來的。  ——咪蒙 新媒體的本質:  一、新媒體不是一個行業,而是一種工具。 二、競爭,是高效率淘汰低效率的過程。 三、比傳播更重要的,是沉澱用戶。   公衆號寫作的三個時期: 一,初始期。 二,倦怠期

原创 寫作是最好的自我投資第七章職場專業文章寫作的方法論讀書筆記

專業,21世紀你唯一的生存之道。 ——(日)大前研一 職場乾貨文寫作的兩個要點: 一、選題的“加”與“減” 構思選題時,要注意如下幾點: 第一,文章要有飽腹感。 第二,要有明確的利益點。 第三,一篇優秀的乾貨文,深度、角度、廣度、速度至少

原创 算法圖解第十、十一章讀書筆記

K最近鄰算法:KNN用於分類和迴歸,需要考慮最近的鄰居。 分類就是編組。 迴歸就是預測結果。 特徵抽取意味着將物品轉換爲一系列可比較的數字。 能否挑選合適的特徵事關KNN算法的成敗   餘弦相似度不計算兩個矢量的距離,而比較它們的角度。適