- 博客(18)
- 资源 (7)
- 收藏
- 关注
原创 史上最全的机器学习书单(附下载链接!!!)
特色:覆盖Python从入门到精通统计学知识数学知识数据分析知识以上,够大家喝一壶的,链接如下:https://github.com/lovingers/ML_Books
2021-08-01 23:03:35
727
原创 知乎80万高赞的window10壁纸
风景类:总是让人看起来舒心、愉悦美女类:哪个男的还没点幻想呢动漫类:虚虚实实,到底哪个是真,哪个是假动物类:谁还没点爱心呢...
2020-04-30 13:22:17
1986
3
原创 IDE/Pycharm Debugger/Console 界面不见了!
不知道按到哪个按钮,Debugger不见了!! WTF,找了半天的的工具栏,还是不见踪影,最后在这里:点击一下,马上回来! 重置布局!!顺便:我的公众号,目前正在开篇两个内容:数据科学详细的学习内容 - 通向kaggle用Python从头开始实现算法待续: 爬虫......
2020-04-30 10:31:29
5363
原创 白话斯坦福机器学习课程-CS229 - 牛顿方法
主要内容:logistic Regression,牛顿方法。指数分布族(exponential family)广义线性模型(GLMs:Generalized Linear Models)1. 回归上一篇:上一篇讲了 Logistic Regression 模型,它是一个分类算法,模型表示为: P(y=1∣x;θ)=hθ(x)P( y = 1 | x; \theta) = h_\......
2018-11-30 00:37:59
317
原创 白话斯坦福机器学习课程-CS229 - 欠拟合与过拟合的概念
欠拟合与过拟合的概念课程大纲:从上一讲讲的线性回归,这里要讲它的一种变化版本,称为 局部加权回归。 之后讨论另外一种可能的对于线性回归的解释,并且基于它来开始讲第一个分类算法:logistics 回归。 之后再讲一些感知器算法的相关知识。最后讲解牛顿方法,它是一个用来对logistic回归模型进行拟合的算法。1.1 回归上一篇文章的符号:(x(i),y(i))(x^{(i)},y^{(......
2018-11-16 01:50:14
394
原创 LeetCode : 买卖股票的最佳时机 II
算法基础薄弱,特此记录题目:买卖股票的最佳时机 II给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(多次买卖一支股票)。注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。示例:示例 1:输入: [7,1,5,3,6,4]输出: 7解释: 在第 2 天(股票价格 = 1)的......
2018-11-07 17:27:25
210
1
原创 白话斯坦福机器学习课程-CS229 - 监督学习应用:梯度下降
在监督学习问题中,算法会知道每个样本的正确答案是什么,并希望学习算法对于新的输入能输出大致相同的答案。如房价预测的例子, 可能有一组训练样本,会告诉算法,对于每一个集合中的样本,什么是它“正确”的房价; 之后会希望这个算法能够学习房屋大小和房屋价格之间的关系。并且能够产生出更多“正确”的答案。回归问题: 如自动驾驶; 比如汽车尝试预测表示行驶反向的连续变量的值。分类问题: 如垃圾邮件分类。这......
2018-10-30 01:02:51
411
原创 Python 正则表达式,实战篇!
整理自: Automate the Boring Stuff with Python作者: Al Sweigart正则表达主讲目录1. 创建正则表达式对象和匹配Regex对象2. 正则表达式匹配更多模式2.1 利用括号分组2.2 在文本中匹配括号3. 用管道匹配多个分组3.1 匹配多个模式中的一个4. 用问号实现可选匹配:4.1.1 让正则表达式寻找包含区号或不包含区号的电话号码......
2018-10-12 18:25:17
2058
原创 Python 统计字符串里每个字符出现的次数的三种方法
记录一下,怕忘记了~1. setdefault()的形式判断介绍: setdefault()方法提供了一种方式,在一行中完成这件事。传递给该方法的第一 个参数,是要检查的键。第二个参数,是如果该键不存在时要设置的值。如果该键 确实存在,方法就会返回键的值~spam = {'name': 'Pooka', 'age': 5} print(spam.setdefault('col......
2018-10-10 14:33:40
36756
2
原创 搭建Jekyll个人博客,并用Gitment进行评论
介绍:Gitment 是一款基于GitHub Issues的评论系统。支持在前端直接引入,不需要任何后端代码。可以在页面进行登录、查看、评论、点赞等操作,同时有完整的Markdown / GFM和代码高亮支持。尤为适合各种基于GitHub Pages的静态博客或项目页面。怎么使用?(按步骤进行)添加代码comment.html 形同虚设,这里我是没有设任何东西,所以就不贴出来......
2018-09-19 03:34:58
646
原创 GitHub Pages + Jekyll 搭建网站、更换主题
这里只记录主要问题:选择主题并自定义主题:在安装好bundle以后(若在安装 gem install nokogiri -v '1.8.4’报错,请看另一篇文章),去 https://github.com 新建repo;repo的名字最好是:username.github.io在 create rep 过后,来到 repo --> ‘setting’ 拖动到下面进入 choos......
2018-09-19 00:41:54
3115
原创 An error occurred while installing nokogiri (1.8.4) 安装 nokogiri 1.8.4 报错的解决方案
本着鸡蛋不放在同一个篮子里,所以博客会copy到简书,欢迎大家来看我哈~ 简书地址:https://www.jianshu.com/u/e05a205a2def
2018-09-17 00:30:42
1310
原创 总结用Python实现的递归
主要来自Think Python1. 阶乘:def factorial(n): space = ' '*(4*n) print(space,'fibonacci',n) if n == 0: return 1 # 进行递归调用来找到 n−1 的阶乘然后乘以 n: else: recurse = factoria...
2018-09-14 10:50:46
452
转载 为什么print在Python 3中变成了函数?
前言:这是来自编程派的一篇文章 原作者:Brett Cannon 原文链接:http://www.snarky.ca/why-print-became-a-function-in-python-3 译者:EarlGrey@编程派在Python 2中,print是一个语句(statement);而在Python 3中变成了函数(function)。很多Python用......
2018-09-13 10:50:27
304
原创 Linux环境下安装dlib
记录在Linux环境下,安装dlib采坑经过,并最终实现人脸识别~ 在安装dlib时需要:cmake、boost;Cmake的安装:官网:https://cmake.org/download/我这里是下载的 3.11.2;tar zxvf cmake-3.11.2.tar.gzcd cmake-3.11.2/./bootstrapmakesudo make i......
2018-06-28 12:05:58
8990
3
转载 Coursera机器学习笔记(四) - Octave教程
Coursera机器学习笔记(四) - Octave教程课程地址:Octave Tutorial课程Wiki:Octave Tutorial课件:PPT PDF参考:Octave documentation pages Introduction to Octave基本操作四则运算octave:1> 5+6ans = 11octave:2> ......
2018-05-18 09:46:52
843
转载 Coursera机器学习笔记(三) - 多变量线性回归
Coursera机器学习笔记(三) - 多变量线性回归课程地址:Linear Regression with Multiple Variables课程Wiki:Linear Regression with Multiple Variables课件:PPT PDF 一. 假设函数, 梯度下降1.1 假设函数在之前的单变量线性回归中, 我们的问题只涉及到了房子面积这一......
2018-05-17 09:37:29
528
转载 Coursera机器学习笔记(二) - 单变量线性回归
Coursera机器学习笔记(二) - 单变量线性回归课程地址:Linear Regression with One Variable课程Wiki:Linear Regression with One Variable课件:PPT PDF 一. 基本概念这一节我们来学习单变量的线性回归模型, 首先了解基本概念.1.1 训练集由训练样例(training exa......
2018-05-16 10:07:42
516
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人