ldy944758217的博客

一、python读取"***.pkl.gz"文件用到python里的gzip以及cPickle模块，简单的使用代码如下，如果想详细了解可以参考上面给出的链接。[python] view plain copy #以读取mnist.pkl.gz为例  import cPickle, gzip  f = gzip.open('mnist.pkl.gz', 

在推荐系统中，我们需要计算两个物品的相似度，对于物品的描述，一般都可以量化为一个向量，于是两个物品之间的相似度就可以用两个向量的相关性来描述，这是概率论的范畴了。假如我们希望相似度的值在0～1之间，并且越相似，值越大，有哪些办法？1、计算欧式距离，然后根据“相似度=1/（1+距离）”计算相似度。2、皮尔逊相关系数，在numpy中可以用线性代数模块linalg中的corrcoef

1、kNN算法简介kNN算法，即K最近邻(k-NearestNeighbor)分类算法，是最简单的机器学习算法之一，算法思想很简单：从训练样本集中选择k个与测试样本“距离”最近的样本，这k个样本中出现频率最高的类别即作为测试样本的类别。下面的简介选自wiki百科：http://zh.wikipedia.org/wiki/%E6%9C%80%E8%BF%91%E9%84%B0%E5%B1%85%

人工神经网络是一种经典的机器学习模型，随着深度学习的发展神经网络模型日益完善.联想大家熟悉的回归问题， 神经网络模型实际上是根据训练样本创造出一个多维输入多维输出的函数， 并使用该函数进行预测， 网络的训练过程即为调节该函数参数提高预测精度的过程.神经网络要解决的问题与最小二乘法回归解决的问题并无根本性区别.回归和分类是常用神经网络处理的两类问题， 如果你已经了解了神经网络的工作原理可以在

1.http://www.jianshu.com/p/5a17f5fef3e0  大神关于深度学习的理解2.http://blog.youkuaiyun.com/u010900574/article/details/51992156  卷积神经网络

前言最近卷积神经网络（CNN）很火热，它在图像分类领域的卓越表现引起了大家的广泛关注。本文总结和摘录了Michael Nielsen的那本Neural Network and Deep Learning一书中关于深度学习一章中关于提高泛化能力的一些概述和实验结果。力争用数据给大家一个关于正则化，增加卷积层/全连接数，弃权技术，拓展训练集等参数优化方法的效果。本文并不会介绍正则化，弃权（