lindaicoding-优快云博客

原创深度学习：神经网络基础（一）神经网络构建（代码演示，用神经网络表示线性回归和逻辑回归模型）

现在提到深度学习（deep learning）连非计算机专业的人都听说过，尤其是最近“人机大战”更是掀起了人们对深度学习的极大关注。而深度学习则源于神经网络的研究。神经网络其实是一门相对古老的算法，它最初产生的目的是制造能够模拟这个星球最复杂的东西“人脑”的机器。本文讲述神将网络表示线性回归和逻辑回归两个模型一、神经网络的表示1）用神经网络表示线性回归模型为了更清楚的学习神经网络怎样表示，我们将用神经网络表示一个线性回归模型。我们先看一下线性回归模型表示方法：a0 代表斜率；

2021-08-24 12:23:11 2135

原创 Decision Tree 是机器学习的门槛？决策树原理，6个优缺点，3个算法，ID3算法自实现

一.scikit-learn中两个决策树算法　　　　scikit-learn决策树算法类库内部实现是使用了调优过的CART树算法，既可以做分类，又可以做回归。分类决策树的类对应的是DecisionTreeClassifier，而回归决策树的类对应的是DecisionTreeRegressor。两者的参数定义几乎完全相同，但是意义不全相同。下面就对DecisionTreeClassifier和DecisionTreeRegressor的一个小结。一、Decision Tree Classificat.

2021-08-11 11:41:02 1424

原创 JAVA如何读取写入文件，InputStream与OutputStream

一、背景介绍Java的流式输入输出建立在4个抽象类的基础上：InputStream,OutputStream,Reader和Writer。它们用来创建具体的流式子类。InputStream和OutputStream类被设计为字节类，而Reader和Writer被设计为字符流类。本文只是讲字节流类。字节流中的两个顶层类为：InputStream(输入字节流）和OutputStream(输出字节流）. 其下有两个子类FileInputStream(文件输入流）和FileOutputStream(文件输.

2021-08-10 10:48:16 6421

原创【图】Leetcode 797，207 ，210排课表问题，三种方法遍历，拓扑排序，回溯解决课程表问题

此篇文章从图的数据结构叙述说起，解决了图问题中leetcode常出现的图问题，一是图的遍历，二是环检测，三是二分图判定三类问题。一、此文章解决Leetcode 图问题1）797 图的所有可能路径2）判断是否有环3）判断二分图二、图的数据结构图有2种数据结构构成1）邻接矩阵：即用V-V矩阵来代表每个顶点和边，V代表顶点。如果是无加权图则用简单的二维布尔数组表示。加权图则可以用二维数组来表示边的距离。它的好处是访问很快，缺点是费空间。如果图有很多顶点但是边不多，则造成不必要的空间损失

2021-08-10 10:38:12 654

原创 leetcode 752 打开转盘锁讲解BFS模板，简洁套用

一、题目描述Leetcode 752 （中等难度）你有一个带有四个圆形拨轮的转盘锁。每个拨轮都有10个数字： '0', '1', '2', '3', '4', '5', '6', '7', '8', '9' 。每个拨轮可以自由旋转：例如把 '9' 变为'0'，'0' 变为 '9' 。每次旋转都只能旋转一个拨轮的一位数字。锁的初始数字为 '0000' ，一个代表四个拨轮的数字的字符串。列表 deadends 包含了一组死亡数字，一旦拨轮的数字和列表里的任何一个元素相同，这个锁将会被永久锁定，.

2021-08-10 10:37:12 162

原创怎样学习数据结构？伯克利神课CS61B 总结感悟，学习指南和避坑建议

目录【概述】【课程传送门】【课程评价】【课程版本选择】【课程教材选择】【课程难度与作业量】【课程简介】1）了解数据结构类型2）根据场景应用数据结构3）学习了Java这门语言【如果时光倒流，我再次上这门课时我会注意什么？】1.读英文原版教材。2.注重课本，注重一手资料。3.写作业，要多做题目。4.坚持。文章6900字，阅读时间约7分钟【概述】学习编程有两门基础课程，即数据结构和算法。数据结构中网络公开课中评价一直居高不下的就是U...

2021-08-06 12:15:45 15939 11

原创机器学习中Random Forest 随机森林小结（5步算法，11个优缺点，例子演示解决Kaggle高频竞赛题泰坦尼克沉船）

随机森林属于集成学习中的 Bagging方法。由多个随机树构成，然后通过投票共同学习特征。因为生长很深的树容易学习到高度不规则的模式，即overfit，在训练集上具有低bias和高variance的特点。随机森林是平均多个深决策树以降低variance的一种方法，其中，决策树是在一个数据集上的不同子集进行训练的，在最终的模型中通常会大大提高性能。这有些像解决一道预测何时世界末日的难题，你给一个大学生解决，又给了一个在家里自学的人解决。两个人的解法很大概率是不一样的，你提取两个人解法的优势合起来就

2021-08-04 17:12:47 5793

原创二叉空间分割 BinarySpacePartition 方法生成地图

BSP（二叉空间分割Binary Space Partitioning）树是另一种类型的空间分割技术，在游戏工业上广泛应用。一. BSP Tree 生成步骤1）首先，选择一个超平面和根节点。我们2D选择的是一条线分割空间，3d就是用面来分割空间。2）用超平面分割初始的空间，分割后两个空间保存为左孩子和右孩子，并将分割后的多边形村住在List中。3）取出存住List中的多边形，通过迭代或者递归，产生新的节点并加在父节点上。迭代和递归都可以用于BSP Tree算法，递归更加容易理解。这里递归

2021-07-31 11:36:42 1529 1

原创伯克利神课 CS61B 游戏项目 Project3 建立我的世界（地图生成）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤 1.引入库 2.读入数据总结前言这是一个大的project，前前后后我断断续续做了一个月。真正自己的从无到有设计的迷宫出来的时候是很兴奋的。这个project老师给出的start code很少，不像BearMap骨架很清晰，自己思考怎样算法实现就是了。Project3 更倾向于让你从头到尾设计一个自己的小世界，不局限什么方法，也不限制方法的复杂度

2021-07-26 14:15:08 3475 1

原创机器学习基础，过拟合和欠拟合，容量与泛化能力

一、过拟合机器学习中我们评价Model好坏一个重要指标就是泛化能力。如果模型在训练集合中表现很差，在测试集合中表现很差，我们就称之为欠拟合（Underfitting）模型在数据的训练集合中表现良好，在测试数据中也表现的良好。如果只是在训练数集中表现好，但在测试中表现不好，我们就称为过拟合（Overfitting）比如我们通过学习身高和体重的数据建立一个模型，你给我一个体重模型预测出一个人的身高。如图，我们知道了一堆的身高和体重的数据。我们先将数据分为两部分，一部分是Train Set（绿点.

2021-07-13 10:49:01 948

原创 pd.get_dummies()用法

在数据的预处理过程中，我们需要将一个特征变量变为计算机能读懂的特征距离。pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)详细参数：prefix：str, list of str, 或 dict of str, 默认为 None用于追加DataFrame列名称的字符串。prefix_s

2021-07-13 09:36:25 31088

原创逻辑递归sklearn.LogisticRegeression 算法介绍

逻辑回归（Logistic regression）是机器学习分类算法的其中一种，核心思想是利用现有数据对分类边界建立回归方程，以此进行分类。回归可以理解为最佳拟合，是一种选择最优分类的算法。与线性递归（Linear Regression）师出同门，逻辑递归是线性递归的特殊表达形式。有一些目标函数给我们的不是具体的数值，比如预测房价。而是给了我们有限的选择值。比如预测能不能上清华，结果是有限的。能上用0表示，不能上用1表示。这种将结果分为有限的类的技巧就叫做逻辑递归。不同于线性递归，输出的是具体的值，逻辑

2021-07-09 12:02:33 312

lindaicoding的博客