xingzhe123456789000的博客

朴素贝叶斯算法原理小结朴素贝叶斯相关的统计学知识朴素贝叶斯的模型朴素贝叶斯的推断过程朴素贝叶斯的参数估计朴素贝叶斯算法过程朴素贝叶斯算法小结在所有的机器学习分类算法中，朴素贝叶斯和其他绝大多数的分类算法都不同。对于大多数的分类算法，比如决策树,KNN,逻辑回归，支持向量机等，他们都是判别方法，也就是直接学习出特征输出YYY和特征XXX之间的关系，要么是决策函数Y=f(X)Y=f(X)Y=f(X),要么是条件分布P(Y∣X)P(Y|X)P(Y∣X)。但是朴素贝叶斯却是生成方法，也就是直接找出特征输出YYY和

矩阵求导公式的推导和计算引言全微分公式一个例子链式求导法则的应用引言在上一篇文章《机器学习中的向量求导和矩阵求导》中，我们介绍了关于矩阵求导和向量求导的一些定义和计算方式。这些内容对于理解向量和矩阵的求导，以及在公式中矩阵和向量的大小是如何能够合法化的非常有帮助。但是在实际的公式推导中，我们不可能按照定义逐个进行求导，一方面这样很麻烦，另一方面，对于包含矩阵和向量的公式的求导用这种方式进行求解也是不合适的。就好像你不会每次在求导的时候都是从极限的定义开始求解的一样。这部分内容，相信大部分同学和我一样

小批量梯度下降简单实现数据集构造算法实现参数设置模型训练训练结果迭代参数变化结果展示结果分析除之前的两篇博客介绍的随机梯度下降（SGD）和批量梯度下降以外（BGD），结合两种算法，在每个batch中使用一定大小的数据作为每次训练的样本进行参数的迭代，这种方法被称为小批量梯度下降（MBGD, Mini-Batch Gradient Descent）算法，这篇博客我们讨论一下这种算法的简单实现。数据集构造## Author: xlwu## Date: 2020/07/08import numpy

批量梯度下降简单实现数据集构造算法实现参数设置模型训练训练结果迭代参数变化结果展示结果分析上篇文章介绍了随机梯度下降算法（SGD, Stochastic Gradient Descent）的简单实现，这次介绍批量梯度下降算法（BGD, Batch Gradient Descent）在相同数据集上的一个实现。这样就可以比较两个算法的优劣之分。数据集构造## Author: xlwu## Date: 2020/07/08import numpy as npimport timeimport

随机梯度下降数据集构造划分训练集、测试机算法实现超参数设置模型训练训练结果迭代参数变化结果展示结果分析还记得刚开始看吴恩达老师的机器学习课程的时候，经常看不懂的就是梯度下降，随机梯度下降和批量梯度下降的区别老是看不明白。迷迷糊糊的，说不清楚吧，还知道大概是什么个意思；说清楚吧，具体怎么个计算细节也不了解。今天以 y=3x+ϵy = 3x +\epsilony=3x+ϵ 曲线的回归作为数据集，这里ϵ\epsilonϵ 表示一个较小的误差。数据集构造数据集根据y=3xy=3xy=3x 构造，并加一定的随

使用微博SDK工具weibo4j进行java微博自动回复微博SDK介绍SDK使用方法申请应用应用开发代码导入代码结构回复代码代码构建整体思路回复代码微博SDK介绍项目需求，需要开发一个新浪微博回复机器人的小工具。通过调研，使用新浪微博开放的公共API接口是最方便的。使用新浪微博开放平台的API接口，可以轻松实现微博的查询，用户的查询，微博的回复等各项功能。使用官方提供的SDK工具，可以实现代...

MyBatis与动态代理动态代理：接口作为代理对象，通过InvocationHandler创建具体实现类，完成代理

MyBatis二级缓存Cache Hit Ratio始终等于0问题描述问题排查最终结论问题描述在MyBatis中，不同SqlSession作用域中开启了两个相同的查询操作。但是在控制台的输出中一直显示没有命中缓存，持续进行SQL查询操作。代码如下：public class DaoTest { private static final Logger LOGGER = Logger.g...

在intelliJ下编辑资源文件一定要注意分隔符是“/”，不是“.”

@TOC(Bregman散度)Bregman散度为方便，我直接将我的理解手写上传：常用Bregman散度族

机器学习中的向量求导和矩阵求导一些约定分子布局、分母布局[1] 向量对标量求导向量对标量求导 - 分子布局向量对标量求导 - 分母布局[2] 标量对向量求导标量对向量求导 - 分子布局标量对向量求导 - 分母布局[3] 矩阵对标量求导矩阵对标量求导 - 分子布局矩阵对标量求导 - 分母布局[4] 标量对矩阵求导标量对矩阵求导 - 分子布局标量对矩阵求导 - 分母布局[5] 向量对向量求导向量对向量求导 - 分子布局向量对向量求导 - 分母布局机器学习中的约定俗称几个公式在机器学习的各种关于向量或者矩阵的求