maschinist-lzy-优快云博客

原创深入理解计算计算机系统--第二章信息的表示和处理

第一部分（程序结构和执行）信息存储程序对象 = 程序数据 + 指令 + 控制信息进制表示二进制 -> 十进制 -> 十六进制字数据大小B->KB->MB->GB->TB->PB->EB32位计算机（字长4个字节）虚拟地址空间[0 , (2^32)-1]64位计算机（字长8个字节）虚拟地址空间[0 , (2^64)-1]寻址和字节顺序小端法：最低有效位在最前面大端法：最高有效位在最前面typedef 命名数据类型指针&数组

2021-04-20 10:51:23 160

原创 ML入门6.0 手写K-Means 聚类（K-Means Clustering）

ML入门6.0 手写K-Means 聚类（K-Means Clustering）K-Means 简介原理简介聚类指标—距离K-Means算法步骤实现代码运行结果优缺点优点缺点完整代码见GitHubK-Means 简介聚类算法通常被归类于无监督学习中，由于训练样本是未知的，目标是通过对无对无标记训练样本的学习来揭示数据的内在规律和性质，为进一步的数据分析提供基础。聚类试图将数据集中的样本划分为若干个不相交的子集，每个子集被称为一个簇，通过这样的划分，每个簇内的样本可能拥有相同或者类似的特征，从而对应于

2020-06-14 20:20:45 1005 1

原创 ML入门5.0--手写集成学习（Ensemble learning）

ML入门5.0 手写集成学习（Ensemble learning）集成学习简介原理简介随机抽样Bagging随机森林BoostingAdaBoosting细节优缺点实现代码运行结果github地址集成学习简介集成学习是机器学习中的一种思想，他通过多个模型的组合形成一个精度更高的模型，参与组合的模型称为弱学习器。在预测时使用这些弱学习器模型联合进行预测；训练时需要用训练样本集依次训练出这些弱学习器。通俗来讲就是：三个臭皮匠，顶个诸葛亮。常见的集成学习框架有：Bagging，Boosting。Baggin

2020-05-31 19:51:14 1247

原创 ML入门4.0 手写逻辑斯蒂回归（Logistic Regression）

ML入门4.0 手写逻辑斯蒂回归（Logistic Regression）逻辑斯蒂回归简介原理简介决策边界线性分割面的表达学习与分类损失函数第一种损失函数第二种损失函数第三种损失函数梯度下降法代码实现运行结果GitHub地址优缺点逻辑斯蒂回归简介Logistic Regression 即对数概率回归，是一种广义的线性回归分析模型，是一种应用于二分类问题的分类算法。常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两

2020-05-25 15:39:27 1397 1

原创 ML入门3.0 -- 手写朴素贝叶斯（Na ̈ıve Bayes）

ML入门3.0--手写朴素贝叶斯（Na ̈ıve Bayes）ML入门3.0 手写朴素贝叶斯（Na ̈ıve Bayes）朴素贝叶斯简介朴素贝叶斯原理算法思想贝叶斯公式拉普拉斯平滑应用举例：手写朴素贝叶斯分类：数据集函数运行结果完整代码+数据集算法优缺点ML入门3.0 手写朴素贝叶斯（Na ̈ıve Bayes）朴素贝叶斯简介贝叶斯分类是一种基于概率框架下的分类算法的总称，核心采用贝叶斯公式解决分类问题，而朴素贝叶斯分类是贝叶斯分类中最简单的一种分类方法。朴素贝叶斯自20世纪50年代已广泛研究。在

2020-05-19 23:21:44 1430

原创 ML入门2.0 -- 手写决策树（Decision Tree）

ML入门2.0 手写决策树（Decision Tree）决策树简介决策树原理决策树举例实验截图：数据集导入使用ID3分类算法使用C4.5（这里是J48）手写ID3运行结果：完整版程序见githhub决策树简介Decision Tree 中文称为决策树，是ML中第二种十分经典的算法，顾名思义其算法结构为树形结构，与上一篇博客中介绍的KNN 类似都可以用来解决分类问题的算法。决策树由下面三种元素构成：根结点：样本数据的全集内部节点：按不同特征属性划分的集合叶节点：决策的结果决策树是

2020-05-14 23:42:47 1779

原创 ML入门1.0 -- 手写KNN

ML入门1.0 -- 手写KNN全文内容KNN简介写作背景算法原理算法结构KNN实现运行结果完整代码见github优缺点全文内容KNN简介KNN 全称为 K Nearest Neighbors 中文又称 K- 近邻算法，是一种用与分类和回归的非参数统计的方法。KNN采用向量空间模型来分类，概念为相同类别的案例，彼此的相似度高，而可以借由计算与已知类别案例之相似度，来评估未知类别案例可能的分类。KNN是一种基于实例的学习，或者是局部近似和将所有计算推迟到分类之后的惰性学习。k-近邻算法是所有的机

2020-05-12 00:38:50 1285

weixin_39956363的博客