qq_21176497的博客

图像处理与卷积卷积操作示例卷积操作示例我们在图像处理中遇到的数字图像通常分为两种：单色（灰度）图像：每个像素的亮度用一个数值来表示，取值范围0-255，0表示黑、255表示白，其他值表示处于黑白之间的灰度彩色图像：用红、绿、蓝三元组的二维矩阵来表示。三元组的每个数值也是在0-255之间，0表示相应的基色在该像素中没有，而255表示相应的基色在该像素中取得最大值。以简单的灰度图像为例，每一张图像都可以看作是由像素值构成的二维矩阵。我们平时熟悉的平移、虚化、锐化等操作在这一层面上是如何实现的，其实，都

决策树的分裂准则ID3决策树——以信息增益为准则来选择划分属性的决策树Gain(D,a)=Ent(D)−∑v=1V∣Dv∣∣D∣Ent(Dv)=Ent(D)−H(D∣a)\begin{aligned}Gain(D,a)&=Ent(D)-\sum^V_{v=1}{|D^v|\over{|D|}}Ent(D^v)\\&=Ent(D)-H(D|a)\end{aligned}Gain(D,a)​=Ent(D)−v=1∑V​∣D∣∣Dv∣​Ent(Dv)=Ent(D)−H(D∣a)​选择信息

线性回归公式推导线性模型线性回归一元线性回归公式推导多元线性回归公式推导对数几率回归介绍对数几率回归公式推导线性模型线性回归一元线性回归公式推导多元线性回归公式推导对数几率回归介绍对数几率回归公式推导一元线性回归公式推导由最小二乘法导出损失函数E(w,b)——证明损失函数E(w,b)是关于w和b的凸函数——对损失函数求关于b和w的一阶偏导数——令一阶偏导数等于0解出w和b多元线性回归公式推导步骤与一元线性回归相似...