1、打开文件 使用handle=open(filename,mode)打开文件。这一函数将会返回一个handle(应该翻译为“柄”吧)用来操控文件,参数filename是一个字符串。参数mode是可选的,'r'代表读取文件,'w'代表写文件。 例: file handle可以看作是一个字符串序列,而 ...
分类:
编程语言 时间:
2018-05-05 19:44:35
阅读次数:
331
Convolutional Neural Networks https://www.coursera.org/learn/convolutional-neural-networks/home/welcome There are still something confuse me! working ...
分类:
Web程序 时间:
2018-05-02 16:11:23
阅读次数:
238
Word embeding 给word 加feature,用来区分word 之间的不同,或者识别word之间的相似性. 因为t-SNE 做了non-liner 的转化,所以在原来的3000维空间的平行的向量在转化过后的2D空间里基本上不会再平行. 看两个向量的相似性,可以用cosine simila ...
分类:
其他好文 时间:
2018-05-02 02:30:32
阅读次数:
183
记录几个常用的自学网站 实验楼 https://www.shiyanlou.com/ 网易云课堂 http://study.163.com/courses 慕课网 https://www.imooc.com/ 中国大学慕课 https://www.icourse163.org/ Coursera h ...
分类:
Web程序 时间:
2018-04-23 11:07:34
阅读次数:
265
一、问题 主方向的概念是什么?为什么降低维度的方法是使方差最大化? 假设某两个特征之间成线性关系,在二维平面上的表示就是数据点呈线性分布,那么可以通过将数据在主方向上进行投影,得到一个一维的数据,这个一维的数据保留了原始数据大部分的信息. 两个特征之间成线性关系,但是由于一些噪声的影响,所以数据分布 ...
分类:
其他好文 时间:
2018-04-03 14:37:44
阅读次数:
153
一、高斯混合模型 软分类算法,即对每一个样本,计算其属于各个分布的概率,概率值最大的就是这个样本所属的分类。 对于训练样本的分布,看成为多个高斯分布加权得到的。其中每个高斯分布即为某一特定的类。 高斯混合模型和高斯判别分析非常像,唯一的区别就是在高斯混合模型中,每个样本所属的类别标签是未知的。 为了 ...
分类:
其他好文 时间:
2018-04-03 14:32:17
阅读次数:
148
一、经验风险最小化 1、有限假设类情形 对于Chernoff bound 不等式,最直观的解释就是利用高斯分布的图象。而且这个结论和中心极限定律没有关系,当m为任意值时Chernoff bound均成立,但是中心极限定律不一定成立。 随着 模型复杂度 (如多项式的次数、假设类的大小等)的增长, 训练 ...
分类:
其他好文 时间:
2018-04-03 14:29:26
阅读次数:
173
一、协方差矩阵 协方差矩阵为对称矩阵。 在高斯分布中,方差越大,数据分布越分散,方差越小发,数据分布越集中。 在协方差矩阵中,假设矩阵为二维,若第二维的方差大于第一维的方差,则在图像上的体现就是:高斯分布呈现一个椭圆形,且主轴对应的就是方差大的第二维度。简而言之,若对角线元素相等,则高斯分布的图形是 ...
分类:
其他好文 时间:
2018-04-03 14:27:28
阅读次数:
171
CNN 主要解决 computer vision 问题,同时解决input X 维度太大的问题. Edge detection example 演示了convolution 的概念 下图的 vertical edge 看起来有点厚,但是如果图片远比6x6像素大的话,就会看到效果非常不错. ...
分类:
Web程序 时间:
2018-03-27 23:00:07
阅读次数:
304
一.逻辑回归问题(分类问题) 其中g(z)被称为逻辑函数或者Sigmiod函数,其函数图形如下: 理解预测函数hθ(x)的意义:其实函数hθ(x)的值是系统认为样本值Y为1的概率大小,可表示为hθ(x)=P(y=1|x;θ)=1-P(y=0|x;θ). 代价函数(Cost Function)J(θ) ...
分类:
其他好文 时间:
2018-03-19 22:18:17
阅读次数:
425