机器学习二 逻辑回归 在生成模型中讲到了，可以利用手头的数据，假设数据是满足高斯分布，且是不同的均值，但是同一个协方差矩阵，基于贝叶斯的判别式，可以得到 p(c1|x)>0.5 是第一类 p(c1|x)可以转化为sigmod(z)=w*x +b 在生成模型中讲到了，可以利用手头的数据，假设数据是满足 ...
分类：
其他好文 时间：
2017-04-18 10:06:41
阅读次数：
193
题目大意：树上拉灯游戏 高斯消元解异或方程组，对于全部的自由元暴力2^n枚举状态，代入计算 这做法真是一点也不优雅。。。 #include <cstdio> #include <cstring> #include <iostream> #include <algorithm> #define M 1 ...
分类：
其他好文 时间：
2017-04-17 19:23:10
阅读次数：
151
基本原理： 获取每一个像素值，然后处理这些每一个像素值。 原始图片: ISINBAEVA ~~~~~~~~ 一. 底片效果 原理: GetPixel方法获得每一点像素的值, 然后再使用SetPixel方法将取反后的颜色值设置到对应的点. 效果图: 代码实现: 底片效果 private void bu ...
题意： 给你n个人m条关系 每条关系包括a,b 代表a和b能够是线上朋友也能够是线下朋友 然后保证每一个人的线上朋友数和线下朋友数相等 问你有多少种组成方法 思路： 官方题解是爆搜+剪枝，然而并不会写。。 比赛的时候想到用高斯消元来剪枝 最后枚举自由元 由于关系的话到了最后肯定有些关系是确定的。 这 ...
分类：
其他好文 时间：
2017-04-16 18:10:06
阅读次数：
139
一、梯度下降法 1.什么是梯度下降法 顺着梯度下滑，找到最陡的方向，迈一小步，然后再找当前位，置最陡的下山方向，再迈一小步… 通过比较以上两个图，可以会发现，由于初始值的不同，会得到两个不同的极小值，所以权重初始值的设定也是十分重要的，通常的把W全部设置为0很容易掉到局部最优解，一般可以按照高斯分布 ...
分类：
其他好文 时间：
2017-04-16 16:08:11
阅读次数：
234
算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作。 算法是需要单独讲解的，在数据结构中谈到算法，是为了帮助理解好数据结构，并不会详谈算法的方方面面。 两种算法的比较 1+2+3+.....+100 算法1： 算法2（高斯的算法）： 显然高斯的算法厉害很 ...
分类：
编程语言 时间：
2017-04-16 12:16:50
阅读次数：
205
如果我们产生N个[-1,1]之间均匀分布的随机变量，那么这N个随机变量的均值的期望当然应该是0；但是样本均值几乎不可能是0，而是在0左右分布，且越靠近0的概率越大。 每一个generate_new_uniform_distribution_random_variable()返回的随机数都是均匀分布的 ...
分类：
其他好文 时间：
2017-04-15 21:43:33
阅读次数：
406
http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006924.html 这篇讨论使用期望最大化算法（Expectation-Maximization）来进行密度估计（density estimation）。 与k-means一样，给定的训练样 ...
分类：
其他好文 时间：
2017-04-15 14:59:07
阅读次数：
223
正态分布（Normal distribution）又名高斯分布（Gaussiandistribution）。若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布。记为N(μ。σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。我们通常所说的标准正态分布是μ = ...
分类：
编程语言 时间：
2017-04-12 14:52:35
阅读次数：
300
