原创 linux學習(四)--用戶與組命令
用戶與組命令 添加新用戶：Useradd 例：useradd + 用戶名 常見問題： 使用的是非root用戶，無法使用這個函數，要用root登陸，或者獲得root權限+環境變量。 如何獲得root權限：su -，並且輸入密碼即可
2020-06-12 16:58:43
原创 Linux學習(五)--文件權限,信息顯示,管道,重定向
文件權限 四種權限：r,w,x –，分別對應可讀，可寫，可運行，不可。 文件權限通常由10個字符組成，含義如下： 第一個字符 - 文件 L 鏈接 D 文件夾 後9個字符分爲3,3,3三組。 第一組：這個文件的所有者具有的權限 第二組：
2020-06-12 16:58:33
原创 神經網絡
神經網絡是常見的機器學習模型。通過模擬人類神經網絡的運行方式，來達到學習的目的。 基本原理 假設如下的圖爲一個神經元的工作原理： 輸入N維的X，每個Xi經過權重wi處理後，相加得到能量值，作爲神經元的輸入。如果這個能量值超過一個閾
2020-02-21 02:19:17
原创 線性迴歸
Ng的一個例子：假設我們要用房子的大小來預測其價格，得到的數據如下： 我們畫在二維平面上，得到如下： 我們可以大概地用一個函數來擬合如上的數據： Price=h(area)，其中h爲線性函數，則稱爲線性迴歸，得到下面的一條預測直
2020-02-21 02:19:17
原创 交叉驗證
之前的blog討論過經驗風險與結構風險之間相互限制的關係，如下圖： http://blog.csdn.net/ice110956/article/details/14002791 我們在相同VC維的模型中，選擇經驗風險最小的模型，能
2020-02-21 02:19:17
原创 基於矩陣分解的隱因子模型
推薦系統是現今廣泛運用的一種數據分析方法。常見的如，“你關注的人也關注他”，“喜歡這個物品的用戶還喜歡。。”“你也許會喜歡”等等。 常見的推薦系統分爲基於內容的推薦與基於歷史記錄的推薦。 基於內容的推薦，關鍵在於提取到有用的用戶，物品
2020-02-21 02:19:17
原创 SVM(二)——寬鬆SVM
錯分問題與離羣點問題 之前的SVM（http://blog.csdn.net/ice110956/article/details/23436171）推導前提條件是樣本線性可分，或者至少在高維空間中線性可分。但是許多情況下，並不是高維可分
2020-02-21 02:19:17
原创 生成模型之高斯鑑別分析
線性迴歸中，我們假設Y滿足以sita*X爲均值的高斯分佈。也就是假設P（Y|X）~N（sita*X,yita）。這種假設擬合P（Y|X）的方法我們稱爲判別法。 有這麼一種方法，嘗試去假設X的分佈情況，也就是假設擬合P（X|Y）。這就是生成
2020-02-21 02:19:17
原创 核方法原理
核方法原理 1.無力的線性分類器 一般情況下，我們考慮構造一個線性分類器來解決問題。但是實際中，線性分類器的效果達不到要求，因爲大部分數據都不是線性可分的，如下面這幅圖。一種改進的方法是把多個弱的線性分類器組合得到一個強分類器，如決策樹
2020-02-21 02:19:17
原创 PCA matlab實現
PCA 流程如下： 1、去均值 2、計算協方差矩陣 3、計算協方差特徵值和特徵向量 4、降序排列特徵值選取較大的特徵值,選擇相應的特徵值和特徵向量 以下按照步驟編寫matlab代碼。 1.去均值 Matlab函數mean可得：如下
2020-02-21 02:19:17
原创 SVM(一)
SVM（support vector machine，支持向量機）是最好的分類模型之一。通過尋找高維空間上的超平面，把樣本分隔爲兩類，並且計算複雜度並沒有因爲高維映射而增加。 間隔 在logistic迴歸中，通過logistic函數
2020-02-21 02:19:17
原创 acm.njupt--1882
C. 數字串劃分 時間限制(普通/Java):1000MS/3000MS 運行內存限制:65536KByte 總提交:17 測試通過:6 描述 給你連續的N個數字符，在其中插入K個乘
2020-02-21 02:19:17
原创 linux學習(三)--基本命令
幫助命令 Man + 命令 命令 + -help whatis + 命令1 + 命令2：可簡單解釋多個命令 查詢命令的幫助 文件,目錄常見命令 ls 列出當前目錄下文件+目錄(-開頭爲文件,dir開頭爲目錄) cd
2020-02-21 02:19:17
原创 線性迴歸中最小二乘的概率解釋
最小二乘法是常見的構造代價函數， 擬合參數的方法，如下： Cost=(h(x)-y)^2 這裏探討最小二乘的概率依據。 最大釋然理論 一個簡單的例子： 假設一個袋子裏有無限個球，白球出現的比例是P，黑球爲1-P。 那麼我從中取10
2020-02-21 02:19:17
2
原创 推薦系統之改進版SVD
之前的blog（http://blog.csdn.net/ice110956/article/details/21955461 ）簡單闡述了基於SVD矩陣分解的隱因子模型。 隱因子模型通過假設一個隱因子空間，通過矩陣分解，得到隱因子空間
2020-02-21 02:19:17