Ming.Y

Chances are for people who are prepared


  • 首页

  • 标签

  • 分类

  • 归档

  • 热门文章

  • 搜索

欢迎来到我的博客

发表于 2018-08-03 | 更新于: 2018-09-29 | 分类于 随笔 | | 热度:
字数统计: 31 | 阅读时长 ≈ 1

机器学习持续学习中,

💥😩😤

西瓜书第一轮ing(100%)

Coursera Machine Leaning(100%)

《机器学习实战》(emmm刚开始)

LogisticRegression(逻辑回归)

发表于 2018-10-21 | 更新于: 2018-12-20 | 分类于 机器学习 | | 热度:
字数统计: 1,585 | 阅读时长 ≈ 7
逻辑回归原理以及代码实现

LogisticRegression定义

logistic回归,是一种广义的线性回归分析模型,常用于数据挖掘,疾病自动诊断,经济预测等领域。例如,探讨引发疾病的危险因素,并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例,选择两组人群,一组是胃癌组,一组是非胃癌组,两组人群必定具有不同的体征与生活方式等。一般来说逻辑回归用来做分类任务,本文列举的是以线性的2分类为例, 除此之外还可以拓展到多更多参数实现非线性分类,以及多分类问题等。在文章中主要写了其推导过程以及部分代码实现

阅读全文 »

Coursera课后作业——ex1

发表于 2018-10-07 | 更新于: 2018-10-23 | 分类于 机器学习 | | 热度:
字数统计: 1,482 | 阅读时长 ≈ 8
线性回归和梯度下降

很久以前做的,还是提交一下

线性回归基础( Linear regression )

  • Hypothesis:
  • Parameters:
  • cost Funcition:
  • goal:

在最小化损失函数的过程中需要用到梯度下降算法(Gradient descent)

梯度下降算法(Gradient descent )

  • Have some function:
  • Want:

Outline:

  • start with some $\theta _{0},\theta _{1}$,(一般都取0)
  • keep changing $\theta _{0},\theta _{1}$ to reduce $J(\theta _{0},\theta _{1})$,直到我们找到J的最小值或是局部最小值

repeat until convergence{

(simultaneously update θj for all j)

}

阅读全文 »

域名备案成功

发表于 2018-09-17 | 更新于: 2018-10-23 | 分类于 随笔 | | 热度:
字数统计: 34 | 阅读时长 ≈ 1

经历十几天的备案流程,域名备案总算成功了,博客恢复更新(ps:最近比较忙,空了写= =)

将hexo自定义域名升级https

发表于 2018-08-29 | 更新于: 2018-09-17 | 分类于 HTTPS | | 热度:
字数统计: 689 | 阅读时长 ≈ 2
使用腾讯云作为存储,开起强制HTTPS,保证全站资源HTTPS链接

前言

Tips:有什么问题可以在下方留言板留言哦,留下自己的邮箱,可以保证快速回复

最近在折腾博客,发现github上很多人说个人博客支持https很重要,原本的github.io域名本来支持https协议,但是在自定义域名之后,协议变成了http。这使得网站变得不够安全,容易被劫持。

但是网上的支持https很多都是反向代理,以及SSL证书等,涉及到备案还有一些配置操作,算是比较麻烦,期间如果不对还会出现各种bug。所以针对简单想支持全站https的站长而言,我们可以选择如下操作:

阅读全文 »

将下载下来的MNIST手写数字数据集转化成为图片

发表于 2018-08-26 | 更新于: 2018-08-29 | 分类于 机器学习 | | 热度:
字数统计: 554 | 阅读时长 ≈ 3
MNIST数据集

解析源文件下载(总共包含60000个训练数据和10000个测试数据)

  1. 训练集解析
  2. 测试集解析
阅读全文 »

一些TensorFlow的基本操作

发表于 2018-08-26 | 更新于: 2018-08-26 | 分类于 Tensorflow | | 热度:
字数统计: 586 | 阅读时长 ≈ 3
Tensor,变量,Fetch,Feed的使用

简单用代码说明Tensor,变量,Fetch,Feed的使用

Tensor

TensorFlow 程序使用 tensor 数据结构来代表所有的数据, 计算图中, 操作间传递的数据都是 tensor. 你可以把 TensorFlow tensor 看作是一个 n 维的数组或列表. 一个 tensor 包含一个静态类型 rank, 和 一个 shape.

阅读全文 »

交互式使用

发表于 2018-08-26 | 更新于: 2018-08-26 | 分类于 Tensorflow | | 热度:
字数统计: 187 | 阅读时长 ≈ 1
TensorFlow交互式会话

文档中的 Python 示例使用一个会话 Session 来 启动图, 并调用 Session.run() 方法执行操作.

为了便于使用诸如 IPython 之类的 Python 交互环境, 可以使用 InteractiveSession代替 Session 类, 使用 Tensor.eval() 和 Operation.run() 方法代替Session.run(). 这样可以避免使用一个变量来持有会话.

阅读全文 »

动态规划问题——最长上升子序列(LIS)(三)

发表于 2018-08-26 | 更新于: 2018-08-30 | 分类于 算法 | | 热度:
字数统计: 1,172 | 阅读时长 ≈ 6
样本代码时间复杂度为〇(nlogn),笔试题

推荐链接:

  1. 动态规划问题——最长上升子序列(LIS)(一)
  2. 动态规划问题——最长上升子序列(LIS)(二)

大佬给的思路,宝石叔叔博客里面有更多精彩! sunglasses

上一个版本用二分法优化了时间复杂度,但其实根据数据的样本观察可知,后面的数据都是重复的,我们只需要当列表遍历到一小时数据的最后时将后面数据的最大数加入到列表即可,这样可以快速跳出循环,避免后面不必要的查找

以下代码略有区别,一种是计算数目,一种是使用新列表存储,但大致思路类似。

写完之后发现可以考虑的情况还是有的,还可以继续优化,不过优化到这里应该也差不多了,列表的append方法性能上是非常好的。两个版本Java耗时0.000196s,Python耗时0.000050s

阅读全文 »

动态规划问题——最长上升子序列(LIS)(二)

发表于 2018-08-25 | 更新于: 2018-08-26 | 分类于 算法 | | 热度:
字数统计: 1,143 | 阅读时长 ≈ 5
样本代码时间复杂度为〇(nlogn),笔试题

推荐链接:

  1. 动态规划问题——最长上升子序列(LIS)(一)
  2. 动态规划问题——最长上升子序列(LIS)(三)

题目描述

一天,小凯同学震惊的发现,自己无内的PM2.5指标是有规律的!小凯采样了PM2.5数值,发现PM2.5数值以小时为周期循环,即任意时刻的PM2.5总是和一小时前相等!他的室友小文同学提出了这样一个问题,在t小时内的所有采样点中,选取若干采样点的数值,能否找到一个PM2.5不曾下降过的序列?这个序列最长是多少?

阅读全文 »
12…8
一个据说只有20的青年

一个据说只有20的青年

“准备开启研究生之旅”

78 日志
9 分类
27 标签
RSS
GitHub 微博 bilibili 知乎 CSDN 简书
Creative Commons
Links
  • Felamin
  • Unclegem
© 2018 — 2019 一个据说只有20的青年 & Coding Pages
& 渝ICP备 - 18012574号
0%