约定符号： m = 训练样本数 x = 输入变量（特征） y = 输出变量（目标变量） (x,y) = 表示一个样本 $\left ( x^{(i)},y^{(i)} \right )$ = 第i个样本 ...
分类：
其他好文 时间：
2018-09-21 18:26:51
阅读次数：
132
UI3D转2D平面显示UI3DTo2D血条显示： using UnityEngine; using System.Collections; public class UI3DTo2D : MonoBehaviour { private GameObject _TargetEnemyObj; //目标 ...
分类：
其他好文 时间：
2018-09-09 15:31:14
阅读次数：
138
原文：https://www.toutiao.com/i6597192035214557710/ 几种新的特征转换思维： 1.数据转换成图像 Kaggle上有一个微软恶意软件分类挑战，它的数据集包含一组已知的恶意软件文件，对于每个文件，原始数据包含文件二进制内容的十六进制表示。此前，参赛者在网上从没 ...
分类：
其他好文 时间：
2018-09-05 11:39:55
阅读次数：
144
http://blog.itpub.net/31542119/viewspace-2168911/ 1、 监督式学习 工作机制：这个算法由一个目标变量或结果变量（或因变量）组成。这些变量由已知的一系列预示变量（自变量）预测而来。利用这一系列变量，我们生成一个将输入值映射到期望输出值的函数。这个训练过 ...
分类：
编程语言 时间：
2018-08-11 12:26:03
阅读次数：
137
一、引用 引用就是某一变量（目标）的一个别名，对引用的操作与对变量直接操作完全一样。 引用的声明方法：类型标识符 &引用名=目标变量名； 例： int& num; 引用类似于起别名 注意： （1）&在此不是求地址运算，而是起标识作用。 （2）类型标识符是指目标变量的类型。 （3）声明引用时，必须同时 ...
分类：
编程语言 时间：
2018-08-08 21:25:59
阅读次数：
134
字符串 字符串是Unicode字符串数组，且是不可变的 这种操作不会影响到原来的字符串，它会新添加一个副本。 有关Split的操作 StringBuilder类 StringBuilder类可以帮助你动态，有效的产生字符串，并且避免创建许多副本 StringBuilder类是BCL的成员，位于Sys ...
模型表达（model regression） 1. 用于描述回归问题的标记 m 训练集（training set）中实例的数量 x 特征/输入变量 y 目标变量/输出变量 (x,y) 训练集中的实例 (x(i),y(i)) 第i个观察实例 h 机器学习算法中的解决方案和函数，即假设（hypothes ...
分类：
其他好文 时间：
2018-07-13 22:48:58
阅读次数：
225
更多风控建模、大数据分析等内容请关注公众号《大数据风控的一点一滴》 在分类问题中常常遇到一个比较头疼的问题，即目标变量的类别存在较大偏差的非平衡问题。这样会导致预测结果偏向多类别，因为多类别在损失函数中所占权重更大，偏向多类别可以使损失函数更小。 处理非平衡问题一般有两种方法，欠抽样和过抽样。欠抽样 ...
分类：
其他好文 时间：
2018-07-01 20:25:55
阅读次数：
184
**更多风控建模、大数据分析等内容请关注公众号《大数据风控的一点一滴》在分类问题中常常遇到一个比较头疼的问题，即目标变量的类别存在较大偏差的非平衡问题。这样会导致预测结果偏向多类别，因为多类别在损失函数中所占权重更大，偏向多类别可以使损失函数更小。处理非平衡问题一般有两种方法，欠抽样和过抽样。欠抽样方法可以生成更简洁的平衡数据集，并减少了学习成本。但是它也带来了一些问题，它会删掉一些有用的样本，尤
分类：
其他好文 时间：
2018-07-01 20:24:39
阅读次数：
165
2.1模型表示 （１）监督学习中的回归问题案例房价预测 （２）监督算法的工作方式 案例中：ｍ表示训练集的数量，ｘ代表特征/输入变量，ｙ代表目标变量/输出变量，（ｘ,y）代表实例，（ｘ(i),y(i)）代表第ｉ个观察实例，ｈ代表假设/函数/输入到输出的映射。 （３）房价预测的一种表达方式：ｈ(Θ）＝Θ ...
分类：
其他好文 时间：
2018-06-26 00:44:13
阅读次数：
150
