原创 學歷真的重要嗎？
快來關注我的公衆號：機器知心媛，有更多幹貨等着你 作爲985畢業，上過班。 作爲創業管理者，招過985（南京大學，東南大學，華中科技大學），也招過專科生。 今天來談談爲什麼有些企業招聘一定要高學歷的？。 1、 概率學事件。 我在2個
2019-06-13 06:18:12
原创 機器學習入門指南
我的公衆號爲機器知心媛，快來關注我吧 機器學習是一門融合了概率論、線性代數、凸優化、計算機、神經科學等多方面的複雜技術。涉及的面十分廣，有些人認爲自己學習要從基礎打，那麼這樣做的話會非常耗時間，則會造成長時間學習懈怠。基礎知識是十分重
2019-06-10 22:34:58
原创 郵件系統的設計原理
我的微信公衆號爲機器知心媛,掃描二維碼關注我吧 1.相關技術介紹 Web Email相關開發技術做了簡潔的介紹，通過對郵箱技術知識的瞭解，能夠清楚地明白系統的原理。 JSP開發技術 JSP技術通俗一點地講是HTML頁面加上Java語言。
2019-06-10 22:34:58
原创 IDEA配置maven項目
和我一起每天進步一點點 端午節安康 Dragon Boat Festival JDK下載以及環境配置 在官網上，根據自己的電腦系統配置（32/64位）選擇相應的版本進行下載（附：https://www.oracle.com
2019-06-10 22:34:58
原创 海島爭霸 第七屆河南省程序設計大賽
問題 A: 海島爭霸 時間限制: 1 Sec 內存限制: 64 MB 提交: 10 解決: 7 [提交][狀態][討論版] 題目描述 神祕的海洋，驚險的探險之路，打撈海底寶藏，激烈的海戰，海盜劫富等等
2019-02-24 00:05:09
原创 POJ-3660-Cow Contest
給出牛之間的強弱關係，讓你確定有多少頭牛能夠確定其排名。 用Floyd做，對每給的一個勝負關係連一條邊，最後跑一次Floyd，然後判斷一頭牛所確定的關係是否是n-1次，若是，則這頭牛的排名可以確定 有n只奶牛，有n個連續的實力
2019-02-24 00:04:59
原创 POJ - 3259 Wormholes
題目大意：蟲洞問題，現在有n個點，m條邊，代表現在可以走的通路，比如從a到b和從b到a需要花費c時間，現在在地上出現了w個蟲洞，蟲洞的意義就是你從a到b話費的時間是-c(時間倒流,並且蟲洞是單向的)，現在問你從某個點開始走，能回到從前 解
2019-02-24 00:04:59
原创 貪心法求樹的最小支配集,最小點覆蓋,最大獨立集
概念： 1、最小支配集：在圖中用盡量少的點去覆蓋所有的點（規則：當一個點被覆蓋後，在圖中與其相鄰的點也將被覆蓋）； 2、最小點覆蓋：在圖中用盡量少的點去覆蓋所有的邊（規則：當一個點被覆蓋後，在圖中與其相鄰的邊將被覆蓋）； 3、
2019-02-24 00:04:59
原创 POJ - 3159 Candies
/* POJ 3159 差分約束+SPFA 給n個人派糖果，給出m組數據，每組數據包含A，B，c 三個數， 意思是A的糖果數比B少的個數不多於c,即B的糖果數 - A的糖果數<= c 。 最後求n 比
2019-02-24 00:04:59
原创 HDU - 4370 0 or 1
題解： 這題不分在最短路里面，我以爲是個數學題呢，最後是個圖論題。轉自大佬的http://www.cnblogs.com/kuangbin/archive/2012/08/17/2644557.html 顯然，題目給的是一個0/1規劃模型
2019-02-24 00:04:58
原创 Google機器學習------使用神經網絡對手寫數字進行分類
學習目標： 訓練線性模型和神經網絡，以對傳統 MNIST 數據集中的手寫數字進行分類 比較線性分類模型和神經網絡分類模型的效果 可視化神經網絡隱藏層的權重 我們的目標是將每個輸入圖片與正確的數字相對應。我們會創建一個包含幾個隱藏層的神經網
2018-12-23 23:54:40
10
原创 Google機器學習------稀疏性和 L1 正則化
學習目標： 計算模型大小 通過應用 L1 正則化來增加稀疏性，以減小模型大小 降低複雜性的一種方法是使用正則化函數，它會使權重正好爲零。對於線性模型（例如線性迴歸），權重爲零就相當於完全沒有使用相應特徵。除了可避免過擬合之外，生成的模型還
2018-12-23 23:54:40
原创 Google機器學習------提高神經網絡性能
參考網址：https://colab.research.google.com/notebooks/mlcc/improving_neural_net_performance.ipynb?utm_source=mlcc&utm_campai
2018-12-23 23:54:40
42
原创 Google機器學習------邏輯迴歸
學習目標： 將（在之前的練習中構建的）房屋價值中位數預測模型重新構建爲二元分類模型 比較邏輯迴歸與線性迴歸解決二元分類問題的有效性 與在之前的練習中一樣，我們將使用加利福尼亞州住房數據集，但這次我們會預測某個城市街區的住房成本是否高昂，從
2018-12-23 23:54:40
原创 Google機器學習------神經網絡簡介
學習目標： 使用 TensorFlow DNNRegressor 類定義神經網絡 (NN) 及其隱藏層 訓練神經網絡學習數據集中的非線性規律，並實現比線性迴歸模型更好的效果 在之前的練習中，我們使用合成特徵來幫助模型學習非線性規律。 一組
2018-12-23 23:54:39
6