<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Taylor Wu的专栏]]></title><description><![CDATA[【微信公众号：算法人生】关注机器学习，深度学习，强化学习，趣味算法等]]></description><link>https://blog.youkuaiyun.com/WuSnake123</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; WuSnake123]]></copyright><item><title><![CDATA[python 时间序列分析]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/65635463</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/65635463</guid><author>WuSnake123</author><pubDate>Fri, 24 Mar 2017 18:29:20 +0800</pubDate><description><![CDATA[1 时间序列与时间序列分析
在生产和科学研究中，对某一个或者一组变量 x(t)
 进行观察测量，将在一系列时刻 t1,t2,⋯,tn
 所得到的离散数字组成的序列集合，称之为时间序列。 
时间序列分析是根据系统观察得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。时间序列分析常用于国民宏观经济控制、市场潜力预测、气象预测、农作物害虫灾害预报等各个方面。
2 时间序列建]]></description><category></category></item><item><title><![CDATA[机器学习笔记6]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/59700427</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/59700427</guid><author>WuSnake123</author><pubDate>Thu, 02 Mar 2017 22:54:19 +0800</pubDate><description><![CDATA[核函数




在节中，我们的SVM分类器可以实现分类了
  

对于一个新的样本x，我们只需要计算这个新样本与训练集的內积即可，而且只会计算支持向量的內积，因为其他向量的=0。
实际上，对于一个线性不可分样本集，我们一般做法是将其映射到更高甚至无限高的维度空间，来在高维情况下进行SVM分类
例如 

这时，我们用代替x即可。并令 其中即被称为核函数

假设，

 ]]></description><category></category></item><item><title><![CDATA[优化问题中的对偶理论]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/59108592</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/59108592</guid><author>WuSnake123</author><pubDate>Wed, 01 Mar 2017 15:13:58 +0800</pubDate><description><![CDATA[地址：http://xiaoyc.com/duality-theory-for-optimization/]]></description><category></category></item><item><title><![CDATA[机器学习笔记5]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/59108550</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/59108550</guid><author>WuSnake123</author><pubDate>Wed, 01 Mar 2017 15:11:27 +0800</pubDate><description><![CDATA[本讲大纲：
1.最优间隔分类器(optimal margin classifier) 
2.原始/对偶优化问题（KKT）（primal/dual optimization problem） 
3.SVM对偶(SVM dual) 
4.核方法(kernels)(简要，下一讲详细)
1.最优间隔分类器
假设给我们的数据集是线性可分的(linearly separable). 就是说用超平面]]></description><category></category></item><item><title><![CDATA[拉格朗日对偶问题与KKT条件]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/59108426</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/59108426</guid><author>WuSnake123</author><pubDate>Wed, 01 Mar 2017 15:08:10 +0800</pubDate><description><![CDATA[本篇是写在SVM之前的关于优化问题的一点知识，在SVM中会用到。考虑到SVM之复杂，将其中优化方面基础知识提出，单作此篇。所以，本文也不会涉及优化问题的许多深层问题，只是个人知识范围内所了解的SVM中涉及到的优化问题基础。
一、凸优化问题
在优化问题中，凸优化问题由于具有优良的性质（局部最优解即是全局最优解），受到广泛研究。
对于一个含约束的优化问题：

{minxf(x)s.t.x∈C]]></description><category></category></item><item><title><![CDATA[拉格朗日对偶]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/58638934</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/58638934</guid><author>WuSnake123</author><pubDate>Tue, 28 Feb 2017 20:12:28 +0800</pubDate><description><![CDATA[先抛开上面的二次规划问题，先来看看存在等式约束的极值问题求法，比如下面的最优化问题：

        

    目标函数是f(w)，下面是等式约束。通常解法是引入拉格朗日算子，这里使用来表示算子，得到拉格朗日公式为

        

    L是等式约束的个数。

    然后分别对w和求偏导，使得偏导数等于0，然后解出w和。至于为什么引入拉格朗日算子可以求出极值，原因]]></description><category></category></item><item><title><![CDATA[拉格朗日数乘法]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/58635726</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/58635726</guid><author>WuSnake123</author><pubDate>Tue, 28 Feb 2017 20:02:07 +0800</pubDate><description><![CDATA[阅读目录

1. 拉格朗日乘数法的基本思想2. 数学实例3. 拉格朗日乘数法的基本形态4. 拉格朗日乘数法与KKT条件

　　拉格朗日乘数法（Lagrange Multiplier Method）之前听数学老师授课的时候就是一知半解，现在越发感觉拉格朗日乘数法应用的广泛性，所以特意抽时间学习了麻省理工学院的在线数学课程。新学到的知识一定要立刻记录下来，希望对各位博友有些许帮助。
回到顶部]]></description><category></category></item><item><title><![CDATA[机器学习5]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/58590884</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/58590884</guid><author>WuSnake123</author><pubDate>Tue, 28 Feb 2017 13:56:57 +0800</pubDate><description><![CDATA[原文地址：http://blog.youkuaiyun.com/andrewseu/article/details/46892885

注：新添加以及修改的地方标红

本讲大纲：
1.朴素贝叶斯（Naive Bayes） 
2.神经网络（Neural Networks） 
3.支持向量机（Support vector machines）
1.朴素贝叶斯
朴素贝叶斯是一个线性分类器。
前面讲]]></description><category></category></item><item><title><![CDATA[机器学习笔记4]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/58146716</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/58146716</guid><author>WuSnake123</author><pubDate>Mon, 27 Feb 2017 17:12:26 +0800</pubDate><description><![CDATA[原文地址：http://blog.youkuaiyun.com/andrewseu/article/details/46789121

本讲大纲：
1.生成学习算法（Generative learning algorithm）

2.高斯判别分析（GDA，Gaussian Discriminant Analysis） 
3.朴素贝叶斯（Naive Bayes） 
4.拉普拉斯平滑（Laplace]]></description><category></category></item><item><title><![CDATA[机器学习3——牛顿方法、指数族、广义线性模型]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/57418351</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/57418351</guid><author>WuSnake123</author><pubDate>Sun, 26 Feb 2017 17:04:17 +0800</pubDate><description><![CDATA[原文地址：http://blog.youkuaiyun.com/andrewseu/article/details/46771947

本讲大纲：
1.牛顿方法(Newton’s method) 
2.指数族(Exponential family) 
3.广义线性模型(Generalized linear models)
1.牛顿方法
假设有函数：，我们希望找到满足的值. 这里是实数.

牛]]></description><category></category></item><item><title><![CDATA[# 机器学习笔记2——参数学习、非参数学习、局部加权线性回归、线性回归的概率解释、logistics回归]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/57416641</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/57416641</guid><author>WuSnake123</author><pubDate>Sun, 26 Feb 2017 16:11:06 +0800</pubDate><description><![CDATA[机器学习笔记2——参数学习、非参数学习、局部加权线性回归、线性回归的概率解释、logistics回归]]></description><category></category></item><item><title><![CDATA[机器学习笔记1——线性回归，梯度下降]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/57412886</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/57412886</guid><author>WuSnake123</author><pubDate>Sun, 26 Feb 2017 14:34:22 +0800</pubDate><description><![CDATA[线性回归处理连续变量预测
假设m个样本（x1,y1）....(xm,ym)
h(x)=θ0*x0+θ1*x1+...+θm*xm   预测值

J( θ)= ∑1/2*（yi-h(xi)）^2  为误差，使得J( θ)最小即可
对J( θ)求偏导，并令∂J( θ)/∂θ = 0即可
另一种方法是梯度下降。
令θ=（0,0,0，...0）
θ  = θ - α * ∂J( θ)/∂θ]]></description><category></category></item><item><title><![CDATA[Axis2+eclipse遇到问题小结]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/51604502</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/51604502</guid><author>WuSnake123</author><pubDate>Tue, 07 Jun 2016 16:46:29 +0800</pubDate><description><![CDATA[1.在eclipse的空白workspace处右键new->Other->Web services->Web Service Client，使用该方法产生客户端代码不成功，错误信息是缺少xmlschema，实际是引用了的，解决方案：Eclipse菜单-File-New-Other-Axis2
 Code Generator生成代码即可
2.调用client代码时出现NoClassFound错误]]></description><category></category></item><item><title><![CDATA[ckeditor+ckfinder配置及使用（asp,asp.net环境）]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/10852607</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/10852607</guid><author>WuSnake123</author><pubDate>Sun, 01 Sep 2013 21:04:39 +0800</pubDate><description><![CDATA[ckeditor+ckfinder配置及使用（asp,asp.net环境）



首先到CKEditor.com/download 和CkFinder.com/download下载文件

将压缩文件解压得到ckeditor和ckfinder两个文件

将两个文件夹复制到项目根目录下

1、在页面中引入ckeditor核心文件ckeditor.js



2、在使用编辑器]]></description><category></category></item><item><title><![CDATA[poj 2447解题报告]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/10813283</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/10813283</guid><author>WuSnake123</author><pubDate>Sat, 31 Aug 2013 23:39:54 +0800</pubDate><description><![CDATA[题目来源：http://poj.org/problem?id=2447
题目大意：
破解RSA。RSA是什么？这个世界有一种东西叫google，他的妻子是百度。。。
题目分析：
这是一道数论的综合题！经典！
用很多数论知识。其实如果有板子的话就是几句话的事。。。具体解法如下：
1.首先用miller-rabin,pollard_rho做大整数的质因数分解，得到两个素数P,Q，polla]]></description><category></category></item><item><title><![CDATA[poj 1811解题报告——关于大数的素数鉴定与质因数分解]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/10801229</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/10801229</guid><author>WuSnake123</author><pubDate>Sat, 31 Aug 2013 22:18:22 +0800</pubDate><description><![CDATA[题目来源：http://poj.org/problem?id=1811
题目描述：题意十分简单，不多说。。
题目分析：
这是一道数论的经典题！
首先介绍两个传说中的随机算法。。

Millier-Rabin
根据费马小定理，如果p是素数，则a^(p-1)≡1(mod p)对所有的a∈[1,n-1]成立。所以如果在[1,n-1]中随机取出一个a，发现不满足费马小定理，则证明n必为合数。]]></description><category></category></item><item><title><![CDATA[POJ1061 青蛙的约会（拓展欧几里得）]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/10630799</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/10630799</guid><author>WuSnake123</author><pubDate>Fri, 30 Aug 2013 18:49:23 +0800</pubDate><description><![CDATA[POJ1061 青蛙的约会

人生第二道ACM题，我都不知道该说神马了，中文题真不是好惹的，前几天一道递归和数组的中文题就花了我三天，这一题又花了我一个晚上的时间了！
一开始不会做，上网看了解题报告说是数论题。然后就学啊学啊学啊，写完后发现只有21行代码，但花了我一个晚上的时间啊！是题太难还是我太水了？55555~~~
要做此题，先要明白几个定理，为保严谨性我按顺序一一证明出来（心病，不证]]></description><category></category></item><item><title><![CDATA[poj 2513解题报告]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/10548797</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/10548797</guid><author>WuSnake123</author><pubDate>Thu, 29 Aug 2013 18:25:52 +0800</pubDate><description><![CDATA[题目来源：http://poj.org/problem?id=2513
题目大意：
给你n根木棒，每个木棒两端都涂有颜色，任意两根木棒可以连在一起，如果他们有一端颜色是相同的，问你最后是否能把所有的木棒连成一根。
题目分析：
这道题是一个欧拉通路的判断，但是令人纠结的是，节点不是整数而是字符串，很头疼啊= =
如果不了解欧拉通路可以自己百度一下。。
因为节点是字符串，所以我们要把它转换]]></description><category></category></item><item><title><![CDATA[差分约束系统的简介]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/10404829</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/10404829</guid><author>WuSnake123</author><pubDate>Tue, 27 Aug 2013 16:56:37 +0800</pubDate><description><![CDATA[一直不知道差分约束是什么类型题目，最近在写最短路问题就顺带看了下，原来就是给出一些形如x-y

好神奇的是这类问题竟然可以转换成图论里的最短路径问题，下面开始详细介绍下

比如给出三个不等式,b-a



由题我们可以得知，这个有向图中，由题b-a

根据以上的解法，我们可能会猜到求解过程实际就是求从a到c的最短路径，没错的....简单的说就是从a到c沿着某条路径后把所有权值和]]></description><category></category></item><item><title><![CDATA[poj 2446解题报告]]></title><link>https://blog.youkuaiyun.com/WuSnake123/article/details/10390915</link><guid>https://blog.youkuaiyun.com/WuSnake123/article/details/10390915</guid><author>WuSnake123</author><pubDate>Tue, 27 Aug 2013 14:32:13 +0800</pubDate><description><![CDATA[题目来源：http://poj.org/problem?id=2446
题目大意：
给你一个棋盘，让你用一些1*2的木块覆盖这个棋盘，但是棋盘上有些位置是有hole的，这些hole是不能被覆盖的。如果可以覆盖的话就输出YES，否则输出NO。
题目分析：
这道题很容易让人想起poj2411（也是一道很经典的题目），但是那道题是要求方案数目，这道题是求可否满足，是完全不同的，一开始感觉这道题数]]></description><category></category></item></channel></rss>