C4.5算法介绍C4.5算法与ID3算法不同的是采用了信息增益比作为特征的选择，原因是：信息增益在选择属性时偏向于选择取值较多的属性。信息增益比特征A对训练数据集D的信息增益比定义为其信息增益g(D,A)与特征A的熵HA(D)之比（计算方式请看上一篇）：CART算法介绍CART算法使用Gini指数作为特征的选择，并且使用平方误差最小化原则对连续型特征进行离散化，所以CART算法既可以用于分类，也可
分类：
其他好文 时间：
2019-01-28 19:21:38
阅读次数：
196
一、早停法简介（Early Stopping）当我们训练深度学习神经网络的时候通常希望能获得最好的泛化性能（generalization performance，即可以很好地拟合数据）。但是所有的标准深度学习神经网络结构如全连接多层感知机都很容易过拟合：当网络在训练集上表现越来越好，错误率越来越低的 ...
分类：
其他好文 时间：
2019-01-27 19:08:15
阅读次数：
2878
反向传播算法从大体上理解就是通过计算最终误差与某个权值参数的梯度，来更新权值参数。 梯度就是最终误差对参数的导数，通过链式求导法则求出。 然后通过赋予学习率计算得出，例如： 其中 为学习率。 ...
分类：
编程语言 时间：
2019-01-27 13:01:25
阅读次数：
227
OTDOA 1. 画图观察 参考小区：黑点 其他小区：绿点 终端位置：红点 无误差模型双曲线：蓝线 测量粒度导致的误差：橘黄 2. 度量粒度导致的误差 即小区能准确测量TA，但是TA的刻度就是16ts(对应单程距离4.88*16)，所以就出现由度量刻度导致的误差。 上图中橘黄色曲线交点。 3. 测量 ...
分类：
其他好文 时间：
2019-01-26 16:19:45
阅读次数：
557
BP神经网络的基础介绍见：http://blog.csdn.net/fengbingchun/article/details/50274471，这里主要以公式推导为主。 BP神经网络又称为误差反向传播网络，其结构如下图。这种网络实质是一种前向无反馈网络，具有结构清晰、易实现、计算功能强大等特点。 B ...
分类：
其他好文 时间：
2019-01-24 20:15:25
阅读次数：
204
据说一个人的标准体重应该是其身高（单位：厘米）减去100、再乘以0.9所得到的公斤数。真实体重与标准体重误差在10%以内都是完美身材（即 | 真实体重 ? 标准体重 | < 标准体重×10%）。已知市斤是公斤的两倍。现给定一群人的身高和实际体重，请你告诉他们是否太胖或太瘦了。 输入格式： 输入第一行 ...
分类：
其他好文 时间：
2019-01-22 19:10:40
阅读次数：
298
点的定义 //考虑误差的加法 double add(double a, double b) { if (abs(a + b) include include define eps 1e 8 define pi 3.141592653589793 using namespace std; //二维点类 ...
分类：
其他好文 时间：
2019-01-22 17:31:10
阅读次数：
230
理想的OP放大器有以下六个条件： 具备这样特性的OP放大器现实中是不存在的。除了６，严格地讲运放都不满足上述条件。在这个假设的基础上，在实际应用中的很多场合都可以得到十分满意的答案。 例如噪声，设要使用的OP放大器的噪声和偏差换算成输入，为２mV。2mV去确实不为零。即使忽视其他条件，假设该OP放大 ...
分类：
其他好文 时间：
2019-01-22 10:51:46
阅读次数：
192
下面举几个实际应用中不能作为理想的OP放大器处理的例子 1和2的问题本质上不是放大倍数而是OP放大器的偏置和偏差。因此，放大倍数的真正界限不是由放大倍数决定的，而是由该放大器如何稳定、低噪声（也就是说由输入换算的来自零点的误差和噪声）决定的。 3的问题如下：输入电阻并联接地变小了，不能作为理想运放去 ...
分类：
其他好文 时间：
2019-01-22 10:45:30
阅读次数：
213
RNN 循环神经网络 BF 求导过程 所有的RNN都具有一种重复神经网络模块的链式形式。在标准RNN中，这个重复的结构模块只有一个非常简单的结构，例如一个tanh层 在时间视角上的显示为下图： 求导BP 更新参数值 整体误差E等于每个时刻E_t的误差之和 整体损失对U/V/W进行求偏导 $$ ΔU= ...
分类：
其他好文 时间：
2019-01-21 21:11:53
阅读次数：
492
