自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(4)
  • 资源 (1)
  • 收藏
  • 关注

原创 2021-07-18

log-log、lin-log和log-lin的approximate前言一、log-log二、Semi-log plots1.lin-log2.log-lin 前言 针对原始数据数学模型为非线性模型时,将模型替换为线性模型的几种近似方法 一、log-log when a power- law functionf:(0,∞)→(0,∞)f:(0,\infty)\to{(0,\infty)}f:(0,∞)→(0,∞) f(x)=bx−af(x)=bx^{-a}f(x)=bx−a where a,b are

2021-07-18 15:09:33 298

原创 机器学习笔记(1)朴素贝叶斯

文章目录前言一、频率学派,和贝叶斯学派二、朴素贝叶斯(Naive Bayes)1.简述2.算法推导总结参考文献 前言 机器学习中的生成模型和决策分别对应了贝叶斯学派和频率学派,本文会此做相应的阐述。 一、频率学派,和贝叶斯学派 贝叶斯学派认为,未知事物发生的可信程度取决于主观经验和与主观经验相关的数据。 我们引入Bayes公式:p(θ∣x)=p(x,θ)p(x)p(\theta\vert{x})=\frac{p(x,\theta)}{p(x)}p(θ∣x)=p(x)p(x,θ)​ (xxx表示数据,θ

2021-07-03 11:13:04 106

原创 non-linear programming精读

non-linear programming精读 1. 写在前面 首先声明我并不是数学专业的学生,也不是英语专业的学生,所以有的翻译和对书中的理解可能有误,欢迎指正。另外此Blog会持续更新,我会利用空余时间持续阅读,以书中内容的顺序将阅读笔记记录在此文中,所以更新时间不定。 2. 教材的使用 用的书是Bertsekas第二版的《nonlinear programming》,涉及矩阵运算的地方使用了Kaare Brandt Petersen的《The Matrix Cookbook》,另外鉴于理解的差异,部

2021-06-16 22:51:07 553

原创 雅思阅读总结

雅思阅读个人的一点答题技巧心得和总结 ps:本来是写给自己看的,所以可能有些语序比较接近个人习惯,可能会出现较奇怪的名词。 heading:(段落匹配信息) 乱序 思路:先找中心句,再在Heading里面对应寻找中心句的同义替换。 中心句出现的情况: 1:段首,段首包含段首设问和段首总结,以及承上启下。 一般段首总结用的名词会比较宽泛和抽象,且句子较短,不会有太多修饰。 若heading里出现acient,且中心句在段首,则会出现具体年份或“history” 设问相对总结,里面对某现.

2020-11-19 13:17:19 344

demo_mnist.zip

数据集由自己制作,训练集为大小500,测试集大小100都为CSV文件,格式与MNIST数据集完全相同,做过反色抗锯齿质心居中。三层神经网络训练效果不如SVM,建议用来做迁移训练。

2021-04-28

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除