摘自《Essence of linear algebra》系列视频，非常精彩。B站上有全集～ [TOC] Dot Product 我们都知道，向量的点积是这么做的： 其几何解释为投影相乘： 通过投影，我们可以理解为什么点积为0（正交），为什么点积可以为负。 点积还具有symmetry。 假设u和v点 ...
分类：
其他好文 时间：
2018-08-12 17:15:32
阅读次数：
690
PCA和LDA都是经典的降维算法。PCA是无监督的，也就是训练样本不需要标签；LDA是有监督的，也就是训练样本需要标签。PCA是去除掉原始数据中冗余的维度，而LDA是寻找一个维度，使得原始数据在该维度上投影后不同类别的数据尽可能分离开来。 PCA PCA是一种正交投影，它的思想是使得原始数据在投影子 ...
分类：
其他好文 时间：
2018-08-11 01:40:09
阅读次数：
334
黑盒、白盒、接口测试一系列用例设计方法。 黑盒测试用例设计方法包括等价类划分法、边界值分析法、错误推测法、因果图法、判定表驱动法、正交试验设计法、功能图法、场景图法等。 （一）等价类划分法 定义：等价类划分法是把所有可能输入的数据，即程序的输入域划分策划国内若干部分（子集），然后从每一个子集中选取少 ...
分类：
其他好文 时间：
2018-08-01 11:50:41
阅读次数：
201
设计尽量少的用例，达到对软件功能尽量多的覆盖 （现在有去用例化的趋势，用思维导图代替） 1.等价类和边界值 2.因果图和判断表 3.正交实验法（需要正交表，忽略） 4.状态图和场景法 等价类举例： 假定我们要测试一个两位整数加法器，其功能需求如下。 输入两个两位整数，相加后，结果正确显示。要求如下： ...
分类：
其他好文 时间：
2018-07-28 23:24:02
阅读次数：
243
CNN的权值正交性和特征正交性，在一定程度上是和特征表达的差异性存在一定联系的。 下面两篇论文，一篇是在训练中对权值添加正交正则提高训练稳定性，一篇是对特征添加正交性的损失抑制过拟合。 第一篇：Orthonormality Regularization Xie D, Xiong J, Pu S. A ...
分类：
其他好文 时间：
2018-07-25 16:17:14
阅读次数：
239
黑盒测试的方法有：边界值法、正交试验法（也称正交分析法）、等价类划分、错误推测法、综合策略法、因果图法 白盒测试的方法有：语句覆盖、逻辑覆盖、路径覆盖、条件覆盖、判断覆盖、边界值法 白盒测试法的覆盖标准有逻辑覆盖 、循环覆盖和基本路径测试。 语句覆盖：可执行语句至少被执行一次；判断覆盖：每个判断的取 ...
分类：
其他好文 时间：
2018-07-24 15:54:44
阅读次数：
174
2.1词汇表征 （1）使用one-hot方法表示词汇有两个主要的缺点，以10000个词为例，每个单词需要用10000维来表示，而且只有一个数是零，其他维度都是1，造成表示非常冗余，存储量大；第二每个单词表示的向量相乘都为零（正交），导致没能够表示是词汇之间的联系，比如oriange和apple,qu ...
分类：
编程语言 时间：
2018-07-22 20:01:39
阅读次数：
248
小波变换的原理 所谓的小波的小是针对傅里叶波而言，傅里叶波指的是在时域空间无穷震荡的正弦（或余弦波）。 相对而言，小波指的是一种能量在时域非常集中的波，它的能量有限，都集中在某一点附近，而且积分的值为零，这说明它与傅里叶波一样是正交波。 举一些小波的例子： 可以看到，能量集中在x轴0值附近，以y轴的 ...
分类：
其他好文 时间：
2018-07-21 16:54:54
阅读次数：
269
1.PCA原理 主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。 PCA算法： 2.PCA的实现 数据集： 64维的手写数字图像 代码： 运行结果： 1）将数 ...
分类：
编程语言 时间：
2018-07-19 13:43:53
阅读次数：
321
@(131 Machine Learning | 机器学习) PCA是一种特征选择方法，可将一组相关变量转变成一组基础正交变量 25 PCA的回顾和定义 Demo： when to use PCA 1. latent features driving the patterns in the data ...
分类：
其他好文 时间：
2018-07-18 20:28:28
阅读次数：
146
