原创 CCF CSP攻克之路 —— 2019_09
CCF CSP 2019_091：小明種蘋果（100）*1.1 題目1.2 代碼與解答2： 小明種蘋果續（100）2.1 題目2.2 代碼與解答3： 字符畫3.1 題目3.2 代碼與解答4： 推薦系統4.1 題目4.2 代碼與解
2020-06-21 16:51:39
原创 數字圖像處理實驗之圖像灰度變換與空間濾波
數字圖像處理_圖像灰度變換與空間濾波1. 實驗目的2. 實驗流程2.1 繪製圖像直方圖2.2 灰度變換2.3 直方圖均衡化2.4 中值濾波2.5 自定義中值濾波函數3. 實驗代碼3.1 生成並繪製圖像直方圖3.2 灰度變換3.3
2020-06-21 16:04:54
原创 數字圖像處理實驗之彩色圖像處理
數字圖像處理_彩色圖像處理1. 實驗目的2. 實驗流程2.1 彩色圖像基本操作2.2 僞彩色處理2.3 彩色圖像平滑濾波2.4 RGB轉HSI3. 實驗代碼3.1 彩色圖像讀取、顯示與格式轉換3.2 僞彩色變換3.3 彩色圖像平滑
2020-06-21 16:04:54
原创 機器學習數學基礎之線性迴歸
機器學習數學基礎之線性迴歸1. 線性迴歸公式2. 利用矩陣對線性公式整合3. 誤差項分析4. 似然函數5. 最小二乘★（矩陣求導公式） （本文爲學習總結筆記，如有雷同請無視） 知識點： 1、利用矩陣的只是對線性公式進行整合 2、誤
2020-06-21 16:04:53
原创 CCF CSP攻克之路 —— 2019_03
CCF CSP 2019_031：小中大（100）*1.1 題目1.2 代碼與解答2： 二十四點（）*2.1 題目2.2 代碼與解答3： 損壞的RAID53.1 題目3.2 代碼與解答4： 消息傳遞接口4.1 題目4.2 代碼與
2020-06-21 16:04:53
1
原创 西瓜書總複習之第1章-緒論
第1章-緒論1 緒論1.1 機器學習的定義1.2 機器學習的一些基本術語 （本文僅爲個人方便複習回顧） 機器學習是目前信息技術中最激動人心的方向之一，其應用已經深入到生活的各個層面且與普通人的日常生活密切相關。本文爲清華大學最新
2020-06-21 16:04:53
原创 機器學習公式推導【Day4】性能度量-錯誤率
性能度量-錯誤率性能度量-錯誤率 （本文爲個人學習總結筆記） 性能度量-錯誤率 原公式 ϵˉ=maxϵ s.t. ∑i=ϵ0×m+1m(mi)ϵi(1−ϵ)m−i<α\bar{\epsilon}=\max \epsilon \q
2020-06-21 16:04:53
原创 機器學習數學基礎之微積分與概率論
機器學習數學基礎之微積分與概率論1. 導數與梯度下降1.1 方向導數1.2 在機器學習的應用2. 基本概率論2.1 條件概率2.2 全概率公式2.3 貝葉斯公式2.4 隨機變量2.5 期望2.6 方差3. 分佈3.1 伯努利分佈3
2020-06-21 16:04:53
原创 西瓜書總複習之第3章-線性模型
第3章-線性模型3、線性模型3.1 線性迴歸3.2 線性機率迴歸3.3 線性判別分析3.4 多分類學習3.5 類別不平衡問題 3、線性模型 （本文僅爲個人方便複習回顧） 談及線性模型，其實我們很早就已經與它打過交道，還記得高中數學
2020-06-21 16:04:45
原创 機器學習公式推導【Day1】NFL定理
NFL沒有免費的午餐定理1. NFL定理（No Free Lunch Theorem）2. NFL定理解析 （本文爲個人學習總結筆記） 1. NFL定理（No Free Lunch Theorem） 無論算法多麼聰明或者多麼笨拙，
2020-06-21 16:04:45
原创 西瓜書總複習之第4章-決策樹
第4章-決策樹4、決策樹4.1 決策樹基本概念4.2 決策樹的構造4.2.1 ID3算法4.2.2 C4.5算法4.2.3 CART算法4.3 剪枝處理4.4 連續值與缺失值處理 4、決策樹 （本文僅爲個人方便複習回顧） 之前的線
2020-06-21 16:04:44
原创 西瓜書總複習之第2章-模型的評估與選擇
第2章-模型評估與選擇2 模型的評估與選擇2.1 誤差與過擬合2.2 評估方法2.3 訓練集與測試集的劃分方法2.3.1 留出法2.3.2 交叉驗證法2.3.3 自助法2.4 調參2.5 性能度量2.5.1 最常見的性能度量2.
2020-06-21 16:04:44
原创 解決jupyter文件路徑的問題——Permission denied: Untitled.ipynb
解決jupyter文件路徑的問題 1、打開cmd，搜索 jupyter notebook --generate-config 同意：y，給出文件地址： 2、根據地址找到該文件，如圖： 3、右鍵以記事本打開，直接用 ctrl+
2020-04-24 10:22:21
原创 機器學習公式推導【Day7】神經網絡感知機
神經網絡感知機1、感知機模型2、感知機學習策略3、感知機學習算法 （本文爲個人學習總結筆記） 5.1 wi←wi+Δwiw_{i} \leftarrow w_{i}+\Delta w_{i}wi←wi+Δwi 5.2 Δwi
2020-04-13 16:49:37
原创 機器學習公式推導【Day5】算法期望泛化誤差
算法期望泛化誤差算法期望泛化誤差 （本文爲個人學習總結筆記） 算法期望泛化誤差 原公式： E(f;D)=ED[(f(x;D)−yD)2]=ED[(f(x;D)−fˉ(x)+fˉ(x)−yD)2]=ED[(f(x;D)−fˉ(x))
2020-04-13 16:49:37