Loss

从多层感知器到卷积网络（一）

原文连接码住 忘记了查看https://blog.youkuaiyun.com/guomutian911/article/details/78599450

sklearn.linear_model.LinearRegression.score方法：score(self, X, y, sample_weight=None)官方描述：Returns the coefficient of determination R^2 of the prediction.The coefficient R^2 is defined as (1 - u/v), ...

晚上没事打csgo，被外挂打自闭，然后就研究了一下csgo的升级机制看到csdn上有好多帖子，找到了个py代码实现 特此转载，侵删！！在年度影片《社交网络》中，影片开场，马克扎克伯克和他的女朋友在酒馆里因为琐事分手，气急败坏的他回到了宿舍，在舍友的鼓励和帮助下，充分发挥了作为技术天才的动手能力，做出了Facemash网站，对大学女生的相貌进行分级打分，结果网站访问流量过大，直接把大学网络都搞宕...

声明：本文为原创文章，发表于nebulaf91的csdn博客。欢迎转载，但请务必保留本信息，注明文章出处。本文作者: nebulaf91本文原始地址：http://blog.youkuaiyun.com/u011508640/article/details/72815981最大似然估计（Maximum likelihood estimation, 简称MLE）和最大后验概率估计（Maximum a posteriori estimation, 简称MAP）是很常用的两种参数估计方法，如果不理解这两种方法的思路，很

硬间隔(最大间隔分类器)Max margin(w,b)s.t.{Yi(WtXi +b)>0}margin(w,b)=min distance(w,b,Xi)->{max min |WtXi+b|/||w||}

import numpy as np#多元线性回归x=np.matrix([[2104,1416,1534,852,1], [5,3,3,2,1], [1,2,2,1,1], [45,40,30,36,1]])y=np.matrix([460,232,315,178])y1=np.matrix([460], [232]. [315], [178])w=(x.T*x).I*x.T*yw1=(x.T*x).I*x.T*y.Tprint(w1).