原创 機器學習項目基礎篇：Kaggle Titantic 生存預測比賽
https://zhuanlan.zhihu.com/p/30538352 https://mp.weixin.qq.com/s/86Wym8HFc55BnWN3qSMWwA https://mp.weixin.qq.com/s/FQjP
2020-06-20 17:34:07
原创 一、語音特徵之基本特徵
一、短時平均過零率 理論分析： 過零率體現的是信號過零點的次數，體現的是頻率特性。因爲需要過零點，所以信號處理之前需要中心化處理。 作用： 1.可以用來初步判斷清音和濁音。 2.可以用於判斷寂靜無話段
2020-06-20 17:34:07
原创 機器學習系列十五：集成學習之boosting：Adaboost
一.算法原理 Boosting的思路則是採用重賦權（re-weighting）法迭代地訓練基分類器，即對每一輪的訓練數據樣本賦予一個權重，並且每一輪樣本的權值分佈依賴上一輪的分類結果；基分類器之間採用序列式的線性加權方式進行組合。他通過迭
2020-06-20 17:34:07
3
原创 機器學習系列十九：sklearn-GridSearchCV
一、簡介 GridSearchCV，它存在的意義就是自動調參，只要把參數輸進去，就能給出最優化的結果和參數。但是這個方法適合於小數據集，一旦數據的量級上去了，很難得出結果。這個時候就是需要動腦筋了。數據量比較大的時候可以使用一個快速調優的
2020-06-20 17:34:07
95
原创 C++面試總結（六）雜記
1.malloc、free與new、delete的區別？ 1)malloc是函數，而new是操作符 2)malloc申請內存時，需要我們指定申請的空間大小，且返回的類型爲void*，需要將其強制轉換爲所需類型指針；new申請內存時，會
2020-06-03 05:11:28
3
原创 機器學習系列十四：集成學習之bagging
一、算法原理 1.算法描述 Bagging是Bootstrap AGGregatING的縮寫。Bagging基於自助採樣法(bootstrap sampling)。給定包含m個樣本的數據集，先隨機取出一個樣本放入採樣集中，再把該樣本放回初
2020-06-03 05:11:28
原创 模型加速一:知識蒸餾(Knowledge Distillation)
一 背景 知識蒸餾（KD）是想將複雜模型（teacher）中的dark knowledge遷移到簡單模型（student）中去，一般來說，teacher具有強大的能力和表現，而student則更爲緊湊。通過知識蒸餾，希望student能儘
2020-03-09 10:00:23
83
原创 機器學習系列十五：集成學習之boosting
1.算法原理 快寫完了，突然崩了～乾脆不寫了 https://blog.csdn.net/luanpeng825485697/article/details/79383492 1.Adaboost https://blog.csdn.ne
2019-10-25 17:52:10
原创 深度學習框架學習一：深度學習框架介紹
現如今開源生態非常完善，深度學習相關的開源框架衆多，光是爲人熟知的就有caffe，tensorflow，pytorch/caffe2，keras，mxnet，paddldpaddle，theano，cntk，deeplearning4j，
2019-07-30 17:57:31
原创 leetcode 9.迴文數
leetcode 9迴文數:判斷一個整數是否是迴文數。迴文數是指正序（從左向右）和倒序（從右向左）讀都是一樣的整數。 示例 1: 輸入: 121 輸出: true 示例 2: 輸入: -121 輸出: false 解釋: 從左向右讀
2019-03-03 22:47:11
原创 機器學習系列十三：數據降維
一、算法原理 降維方法一般分爲線性降維方法和非線性降維方法，如下圖所示： 我們主要主要介紹PCA、LDA、LLE方法。 二、算法實踐 三、算法總結 四、面試題
2019-02-14 22:36:08
原创 機器學習項目入門篇：一個完整的機器學習項目
本部分，我們會作爲被一家地產公司僱傭的數據科學家，完整地學習一個項目。下面是主要步驟： 項目概述。 獲取數據。 發現並可視化數據，發現規律。 爲機器學習算法準備數據。 選擇模型，進行訓練。 微調模型。 給出解決方案。 部署、監控、維護系統
2019-01-16 22:07:02
原创 目錄
C++面試 C++面試總結（一）常用關鍵字 C++面試總結（二）類 C++面試總結（三）模板與泛型編程 C++面試總結（四）標準庫 C++面試總結（五）C++ 11/14新特性 C++面試總結（六）雜記 Python之旅 Python之旅
2019-01-16 22:07:02