铁血军的小博客

import torchimport torchvisionfrom torch import nnimport torchvision.transforms as transformsmnist_train = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST', train=True, download=True, transform=transforms.ToTensor())mnist_test = torch.

记事件ppp,在各个状态下xix_ixi​ 的概率为p(xi)p(x_i)p(xi​) 。(假设共n个状态）1、 信息量：概率越大信息量越小。−log(p(xi))-log(p(x_i))−log(p(xi​))2、 信息熵：信息量的期望值：H(p)=∑i=1np(xi)(−log(p(xi)))H(p) = \sum\limits_{i = 1}^n {p({x_i})} ( - log(p({x_i})))H(p)=i=1∑n​p(xi​)(−log(p(xi​)))3、 交叉熵：.

题记：没有落脚到数据结构的对算法的理解都是没有灵魂的复制粘贴！其实很多算法，我们通过开源的算法包比如sklearn,tensorflow等，实现都很简单，几行代码，调调参数就出来了，一般也不会出现什么大问题。但是我觉得实际得算法他应该跟诗歌一样，每个人对它得理解和未来得改动应该是都有些微得差别得，而这些微得差别正推动者科研得进步。这就需要从原理和实现上深入得了解和直观感受。而掉包，是缺少这一丝灵气的。DBSCAN密度聚类算法西瓜书上对于密度聚类的讲解：聚类的过程示例：直观理解：可以这样

***题记：*我一直在路上，害怕停下在我的另一篇博客里《读sklearn源码学机器学习——kmeans聚类算法》我详细的阐述了kmeans算法的工作过程。截至目前为止，还没有深入的刨析kmeans算法的工作原理(会用和知道怎么用，跟理解背后深刻的数学原理是有本质区别的，我对此深感敬畏)。今天站在工程应用的角度，刨析kmeans在应用过程的应用和优化。主要是弥补我上篇博客中没有说明白的两个函数（elativeDist,squaredNorna）和一个初始化。1、kmeans++算法kmeans++是D

题记：凌晨3点半的不眠，是这个时代太聒噪，还是内心的不安kmeans知识体系从代码中梳理知识体系sklearn中kmeans源码源码结构kmeans算法属于cluster包的k_means.py文件。使用的过程中通过from sklearn.cluster import Kmeans导入在使用常规（不含大批量数据的情况下）kmeans算法的实现过程如上图所示，Kmeans主类，包含若干的内部函数（紫色所示），若干的外部函数（蓝色所示）。函数之间的调用关系如上面箭头所示。最核心的函数有：_k

dijkstra迪杰斯特算法需要知道的点：1、属于贪心算法2、得到一点到其他各点的所有距离3、需要用到所有的信息4、图中不能有负数权重dijkstra算法过程今天不是铅笔加手写python+优先队列实现（这里用的时二叉堆）def showGraph(linkList): for vert in linkList: for n in v...

格雷码问题百度百科上的定义：其实初次我接触格雷码的时候，头大的不行，这个东西的性质太多了，想要产生一个格雷码，好像也只有通过动态规划或者递归的方式实现，第一次做格雷编码解码问题的时候，只能跪倒在各位大佬面前，然后把它抛在了脑后，直到笔试快手又遇见了这道题，我决定，回来好好研究这道题，毕竟，又多吃了好几天的饭，今天的我已经不是昨天的我了（~~）上数学定理直接从百度百科上扒出来格雷码的解码编...

快速幂对于a的n次方，如果我们老老实实用a每次的结果乘以自身的话，那需要乘n次，在n很大的时候速度很慢，但是，如果我们将n用二进制表示，这样就可以将乘法次数降到log(n)次。def pickPow(a,b): s=1 while b>0: if b&1:s*=a a*=a b>>=1 retur...

写作目的二叉树是程序设计中经常用到的数据结构，一些统计学习算法比如说决策树，以及由此衍生出来的随机森林，GBDT,XGBOOST,ADABOOST等，都多多少少的涉及到了二叉树操作以及树操作，在我们面试的过程中也经常的遇见二叉树的重构等，二叉树遍历接下来展示，前序、后续、中序遍历的递归和非递归实现前序# Definition for a binary tree node.class T...

写作目的在编程过程，特别是线上编程的过程中，总会需要用到很多高级的数据结构，但是python中的一些高级数据结构并没有那么的“明显”，这里梳理一下。栈栈在python中比较好实现，直接用List数据结构就可以代替。add方法用append代替，有内置的pop()方法，时间复杂度O(1),至于peek()方法可以直接用索引-1代替。myStack=[]myStack.append(1)m...

注: 关于非线性时间得比较排序算法请看我得另一篇博客https://blog.youkuaiyun.com/weixin_41806489/article/details/1047689081、计数排序主要思想：获取待排序数组得最大值和最小值，然后开辟一个从最小值到最大值得连续的数组，该数组数组头是最小值，数组尾是最大值。根据数组中数字相对于最小值最大值的大小存储在相应得位置。所以该算法适合进行整数得排序...

基于二叉堆的二叉树绘制方法介于目前网上二叉树绘制的python代码太过复杂难懂，并且有些画的太过于丑，因此写下该文章。注：本文所述方法中的二叉树以链表的形式存储。1 绘图前准备。首先你的二叉树要以链表的形式存储，你的节点类中方法的命名要如下所示：class BinaryTree: def __init__(self,value): self.value=value...

算法学习系列——排序方法1、冒泡排序。主要思想：每轮遍历，都进行两两交换，将大数往后排列。直接上python代码，简单易懂:def bubbleSort(sortList): #冒泡排序 for i in range(len(sortList)):#进行len(sortList)轮的比较 for j in range(len(sortList)-i-1):#每...