m0_51675604的博客

Python-matplotlib.pyplot格式没报错，但是却画图画不出来的问题...

正则化-最通俗的解释一.正则化-大白话解释一.正则化-大白话解释“正则化”是机器学习中的一个术语，那么在解释正则化之前，不得不解释与之非常非常关系密切的另一个机器学习的术语“过拟合”…“过拟合”是指机器学习在训练模型时，模型与训练数据贴合的太好了，好到误差基本接近于0了（就好比海尔兄弟似的，天天穿着裤衩子在一起，密不可分，不好意思跑题了…）如下最左边的图所示：“过拟合”会导致模型的“泛化“”能力太差，那什么是“泛化“”能力呢？说的再通俗点，就是模型的通用能力，训练的模型如果只能适用于某种特定的即为苛

《数学模型》-姜启源、谢金星、叶俊编-通俗易懂版读书笔记一.数学模型相关定义1.1 原型 与 模型1.2 数学模型最简单的例子1.3 数学建模的基本方法和步骤1.4数学模型的特点和分类1.4.1数学模型的特点1.4.2 数学模型的分类1.5 如何学数学建模一.数学模型相关定义1.1 原型 与 模型原型通俗的说原型就是指现实世界中索真实存在的东西，比如钢铁的冶炼过程、导弹的飞行过程、电力系统、机械系统等…模型模型通俗的说，是指为了某个特定的目的或特定的任务将原型中的一部分信息进行缩减、提炼而构造

张志华教授的两门机器学习公开课是很好的机器学习资源。但在上海交大的公开课视频网站上挂出的教学视频顺序有点乱。对于初学者来说，如果没看对顺序的话，会觉得讲得很乱，从而错过这么优质的资源。事实上板书很完整，有电子版讲义可下载。只是讲义上有个别地方有点笔误，但不影响理解。能用黑板直接推导的老师的逻辑和思路都是很清晰的！正确的顺序应如下所示：《机器学习导论》：http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=397课程讲义：链接：https://

基于遗传算法工具箱求解二元函数优化 -【 附代码+详细注解】一.优化函数二.优化后效果图三.完整代码前言：链接: 遗传算法工具箱下载地址.链接: 遗传算法工具箱的导入MatLab软件教程地址.一.优化函数求其最小值！二.优化后效果图优化过程实际情况迭代次数（可调）三.完整代码clcclearclose all%% 画出函数图figure(1);lbx = -2; ubx = 2; % 函数的自变量x的取值范围[-2,2]lby = -2; ub

基于遗传算法工具箱求解一元函数优化 -【 附代码+详细注解】优化函数优化后的实际效果代码部分前言：链接: 遗传算法工具箱下载地址.链接: 遗传算法工具箱的导入MatLab软件教程地址.优化函数此次是基于上次发表的的资源遗传算法工具箱以及工具箱导入matlab软件以后的应用部分！此次优化的函数是一个较为简单“一元函数的优化”，主要的目的是为了让大家先大体了解一下遗传算法，好为未来的更高难度的做准备！此次优化函数及定义域如下图所示：求此函数的最小值！优化后的实际效果优化的最终结果

目录1.统计是干什么用？2.举个例子3.置信度的定义1.统计是干什么用？解释：统计是为了用测量值估计总体的 真实值；2.举个例子你打枪打了10次，命中了几次呢，比如平均值是8次；总体的期望（就是真实的情况）是不是就是8呢？你要说是的话，那就太草率了吧，因为你再打10次可能就是7了，那么总体期望就变成7了吗？当然不是，总体期望是客观存在不会变的 (比如说你短时间内命中的能力，不会一下子就提高了很多或者说降低了很多吧）；实际上均值等于期望的概率如下公式所示，是0；所以说，以点估计是不准的；但

爱心目录一.遗传算法工具箱导入Matlab一.遗传算法工具箱导入Matlab步骤一：将下载好的工具箱放入matlab根目录下的toolbox文件夹，完后解压即可！【根目录就是你存放matlab软件的地方】步骤二：进入matlab软件，寻找主页(Home)→设置路径（setPath）…按图中的顺序依次操作，最后点击保存即可！步骤三：验证是否安装上了,如下操作：输入命令：v = ver(‘你包的名字’) 即可…希望对大家有帮助，如果有用的话请记得给我个赞或者收藏哦~大家一起

爱心目录一.公式化简二.代码部分一.公式化简一般的我们学到的公式：一般我们学到的皮尔逊相关系数公式可能长这个样子，*但是这个样子不好用代码实现呀！所以我们帮它化简成下面的样子化简后的公式：二.代码部分代码说明：程序中用Numpy库中自带的相关系数包进行了结果验证，结果是一样的，所以可以证明此代码的正确性！【另外说明一点，Numpy库输出的是相关系数矩阵，只不过矩阵化了，是一个意思！】运行环境：2019版PyCharm，Python版本是3.8import numpy as

强化学习的学习过程记录一.强化学习最基础的概念定义1.1通俗非正式讲解1.2 强化学习的三层架构1.3通俗说明强化学习的小故事一.强化学习最基础的概念定义1.1通俗非正式讲解在本人初步的学习看来，强化学习更像是一个玩游戏的一个框架，一个规则，或者说是一种模式。通过这种框架，我们可以让机器学会某些东西，说的通俗一点就是让机器不断的去试错，当碰到对的的时候，我们就给一个胡萝卜，证明机器你做对了，请记住你之前做过的正确步骤，这样不段的循环，就可以使得机器去学会一些东西！1.2 强化学习的三层架构大家可

目录一.举例子引出全概率公式二.条件概率表示全概率公式（更常用）一.举例子引出全概率公式案例一：如果想判断刘阳是否是高个子概率，也么对于正常的人类来说，也许只有如下三种情况：①刘阳是一个高个子的男生。②刘阳是一个高个子的女生。③刘阳是一个高个子的人妖。转化成公式表达方式刘阳是一个高个子的概率：P（刘阳是一个高个子） = P（刘阳是一个高个子男生）               +P（刘阳是一个高个子女生）               +P（刘阳是一个高个子的人妖）更一般地，如果对于任意

目录一.辛普森悖论的通俗解释二.通俗易懂的例子说明三.为什么会出现辛普森悖论？四.辛普森悖论给我们什么启示一.辛普森悖论的通俗解释通俗解释其实就一句话，“存在这样的数据，总体上的统计结果与其每一个子部分的统计结果相反”，我知道有的伙伴没海马体态听懂，比如说“子部分”是个啥等问题，没事，下面我给大家举例子，保证大家一定能听懂！！！二.通俗易懂的例子说明我们就用1951年辛普森使用的经典例子，“一组患者可以选择是否尝试一种新药”来说明。先给大家看数据吧！案例：总共的志愿者有700个人（相当

np.linspace(start, stop, num, endpoint, retstep, dtype)star和stop为起始和终止位置，均为标量num为包括start和stop的间隔点总数，默认为50endpoint为bool值，为False时将会去掉最后一个点计算间隔restep为bool值，为True时会同时返回数据列表和间隔值dtype默认为输入变量的类型，给定类型后将会把生成的数组类型转为目标类型这是一个可以生成等间距数组的的一个函数，还是蛮常用的，最重要的就是前三个参数

大纲最重要的问题（理解的前提条件）1.到底python是个啥？第三方库的通俗介绍2.Anaconda到底是个啥？装的好处不装的坏处Python pip 安装语句 与 Anaconda装包语句包的安装注意事项清华、中科院镜像是什么？最重要的问题（理解的前提条件）1.到底python是个啥？可能很多人会说，你这不误正题呃！净扯些没用的，如果你是大神，请跳过这一段，但如果和我一样，都是初学者，我建议你看一看这一段！用不了几分钟，但绝对对你以后开发是好的！毕竟这是我自学了三天才悟出来的道理！以下内容是我最近

来源：http://blog.youkuaiyun.com/wsj998689aa/article/details/39547771一直很好奇，模式识别理论中，常提到的正则化到底是干什么的？在这里真心感谢 迷雾forest 那么费脑组织语言、那么费卡路里打字、那么有责任心的分享！正则化：正则化的目的：防止过拟合！正则化的本质：约束（限制）要优化的参数。关于第1点，过拟合指的是给定一堆数据，这堆数据带有噪声，利用模型去拟合这堆数据，可能会把噪声数据也给拟合了，这点很致命，一方面会造成模型比较复杂（想想