- 博客(9)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 信息熵、相对熵（KL散度）、交叉熵
信息熵：相对熵（KL散度）：交叉熵：*交叉熵能够衡量同一个随机变量中的两个不同概率分布的差异程度，在机器学习中就表示为真实概率分布与预测概率分布之间的差异。交叉熵的值越小，模型预测效果就越好。*交叉熵在分类问题中常常与softmax是标配，softmax将输出的结果进行处理，使其多个分类的预测值和为1，再通过交叉熵来计算损失。...
2021-03-04 20:00:28
264
1
原创 MFC制作便签整体思路
大体思路1.先搞一个父窗口，把最小化图标做出来，做一个MENU绑到托盘菜单添加消息相应2.再搞一个窗口（便签的主体），由父窗口新建或读取配置时调用弹出，运行程序时根据配置文件设置窗口3.配置文件的读取写入（1）最小化图标主要用到NOTIFYICONDATA和Shell_NotifyIcon。先搞一个NOTIFYICONDATA指针，把cbSize（按字节计算的结构体）hWnd（接收通知区域消息的窗口句柄）。hIcon（将要添加/修改/删除的图标句柄）szTip（一个标准提示字符串）。uCa
2021-03-04 19:46:45
358
原创 支持向量机（SVM）——线性支持向量机
SVM能够做线性或者非线性的分类，回归，甚至异常值检测，适合应用于复杂但中小规模数据集的分类问题。线性支持向量机下图是鸢尾花数据集一部分，两个种类能够很容易被一条线分开，左图显示了线性分类器做出的三种可能边界。虚线是一条很差的判定边界，不能正确的划分类别，另外两个线性模型的判定边界虽然能分开，但他们的判定边界离样本点太近，对新数据的表现可能不好。右图中 SVM 分类器的判定边界实线，不仅分开了两种类别，而且还尽可能地远离了最靠近的训练数据点。你可以认为 SVM 分类器在两种类别之间保持了一条尽可能宽敞的
2020-11-08 19:46:05
2547
原创 交叉验证的几种验证方法（Cross-Validation）
普通验证方法：将原始数据分为训练集和测试集两部分，利用训练集训练分类器，然后利用测试集验证模型，记录分类准确率为分类器的性能指标。没有真正做到交叉验证，这样做得到的准确率高低与原始数据的划分有很大关系。2折交叉验证(2-fold Cross Validation)将数据集分为两个大小相等的子集，分别作为训练集和测试集进行分类器的训练。这样做训练样本相对整体数据集过小，不足以代表整个样本集。K折交叉验证（k-fold Cross Validation）将原始数据分为k组，将其中一个子集数据分别做为测试
2020-11-07 17:53:12
6757
原创 ML——K近邻分类器（KNN）
KNN，属于监督学习的一种方法。KNN是用于分类和回归的非参数统计方法，直接点说就是数据统计KNN分类中，输出是一个分类族群。就像下边例子，一个对象的分类是由其邻居的最多的类别决定。如果k=1，则它的类别是直接由最近的一个点决定的。KNN回归中，输出的是该对象的属性值。该值是其k个最近邻居的值的平均值。训练样本是多维特征空间向量，每个样本都带有分类标签。训练阶段只包含存储的特征向量和训练样本的标签。分类阶段，k是用户定义的常数，被预测的没有类别的标签向量（测试点）将被归类为最接近该点的k个样本点中
2020-11-06 19:39:43
1212
原创 Anaconda安装后，虚拟环境创建
anaconda安装过程中勾选添加环境变量的选项，省的自己添加时出错。进入命令行conda create -n env_1也可以指定python版本conda create -n env_1 python=3.8进入虚拟环境conda activate env_1安装各种包conda install numpyconda install pandasconda install scipyconda install matplotlibconda install scikit-l
2020-11-06 17:25:18
634
原创 导入GraphLab时出现的一些问题及mingw-w64-x86_64-gcc-libs-5.1.0-1-any.pkg.tar.xz和xz-5.2.1-windows.zip分享
关于Anaconda导入Graphlab Create时下载两个许可证出现问题此处添加图片找到自己的dependencies.py文件，具体路径参考$Anaconda2\envs\虚拟环境名\Lib\site-packages\graphlab\dependencies.py写字板或者Python编辑器打开后（记事本可能乱码），找到以下两行代码(xzarchive_file, xzheaders) = urllib.urlretrieve('http://tukaani.org/xz/xz-5.2.
2020-10-08 19:53:18
592
1
原创 Git快速下载（Windows）
Git快速下载https://npm.taobao.org/mirrors/git-for-windows/进去点击想要的版本，从上到下为最近更新。
2020-05-03 13:59:09
376
song_data.zip
2020-10-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人