单变量线性回归 单变量线性回归指的是只有一个自变量； 线性回归是一种有监督学习，解决的是自变量和因变量之间的关系； 回归指的是因变量是连续性的，而如果因变量是离散型的，则是分类问题。 监督学习算法的工作方式可以用如下这张图表示： 将训练集喂给机器学习算法，输出一个假设函数 h，然后新输入一个自变 x ...
分类：
其他好文 时间：
2020-02-26 16:54:55
阅读次数：
80
Good resource, Markov Chains Explained Visually, http://setosa.io/ev/markov-chains/ 马尔可夫链（Markov chain），又称离散时间马尔可夫链（discrete-time Markov chain），因俄国数学家 ...
分类：
其他好文 时间：
2020-02-25 20:29:49
阅读次数：
86
链接：Miku 这道题比想象的要水，虽然说标签有个离散化，但是事实上根本不用 但是这道题的空间范围很苛刻，倘若写记录每个点的左右子节点的线段树写法的话，可能会MLE 所以我写了不记录的写法，这样虽然会牺牲时间，但是节省了空间 而且这道题的空间，竟然开n*3就可以了 思路：海报之间是没有区别的，暴力的 ...
分类：
其他好文 时间：
2020-02-25 20:12:07
阅读次数：
42
然后定义一个新的状态空间$y_t \in \{0,…,n?1\}$，当且仅当$x(t)∈b_i$时，$y_t=i$,由于$y_t$是一个离散的状态空间，我们就可以采用离散贝叶斯算法计算$bel(y_t)$。$bel(y_t)$是对$bel(x_t)$的近似，它给出x(t)在每一个$b_i$的概率，$ ...
分类：
编程语言 时间：
2020-02-25 12:53:02
阅读次数：
92
分析： 本题最重要的是通过向量的想法来解决这一类关系，这样思维难度大大降低，首先我们明白一点 根据传递性的定义（也就是离散数学中的传递性），x->y =x->z+z>y 我们要知道的一点是，并查集中的题目都是有传递性的，而传递性的题目并不一定能通过并查集解决 我们知道我们要将两个不同的集合合并，就是 ...
分类：
其他好文 时间：
2020-02-25 12:33:11
阅读次数：
65
数据分析的入门思维，首先要认识数据，然后对数据进行简单的分析，比如描述性统计分析和相关性分析等。 一，认识变量和数据 变量和数据是数据分析中常用的概念，用变量来描述事物的特征，而数据是变量的具体值，把变量的值也叫做观测值。 1，变量 变量是用来描述总体中成员的某一个特性，例如，性别、年龄、身高、收入 ...
分类：
其他好文 时间：
2020-02-24 23:50:47
阅读次数：
155
学习：通过接收到的数据，归纳提取相同与不同 机器学习： 让计算机以数据为基础，进行归纳与总结 模型：数据解释现象的系统 机器学习： 1.监督学习（机器学习的过程有标注：相当于告诉模型，在什么样的数据特征下应该输出什么样的结果，机器学习的任务就是提炼出输入与标注间的关系，并进行预测） 根据标注是离散值 ...
分类：
其他好文 时间：
2020-02-24 09:46:54
阅读次数：
87
题目描述首先明确一下题意，先输入两个整数n、m，n代表在区间[-1e9,1e9]某一点加一个整数的次数，输入x c在x处加上c，m代表求某个区间和的次数，输入l r求区间[l,r]的和。 分析分析一下y总的代码。 主要分为5大步：1.读输入。将每次读入的x c push_back()到add中，将每 ...
一、freqz概念及函数说明 freqz函数可分析离散系统的频率相应，主要的应用语法如下所示 y=freqz（b,a,w）;其中b为分子系数向量，a为分母系数向量，w表示需要计算的抽样频率点向量。（至少俩点） 下面我以下图例子为例 b = [1]; a1 = [1, 0.9]; a2 = [1, 0 ...
分类：
其他好文 时间：
2020-02-22 00:42:13
阅读次数：
168
词嵌入预训练模型Glove "1.词嵌入预训练模型" "2.Glove" "3.求近义词和类比词" 1.文本嵌入预训练模型 虽然 Word2Vec 已经能够成功地将离散的单词转换为连续的词向量，并能一定程度上地保存词与词之间的近似关系，但 Word2Vec 模型仍不是完美的，它还可以被进一步地改进： ...
分类：
其他好文 时间：
2020-02-21 22:02:37
阅读次数：
390
