一、概述 假设有以下数据： $$X=(x_{1},x_{1},\cdots ,x_)=\begin x_{1}\ x_{2}\ \vdots \ x_ \end{N \times p}\ 其中x\in \mathbb^且x_\overset{\sim }N(\mu ,\Sigma )\ 则参数\th ...
分类：
其他好文 时间：
2020-07-22 20:58:47
阅读次数：
72
一、概述 假设有以下数据： $$D=\left {(x_{1},y_{1}),(x_{2},y_{2}),\cdots ,(x_,y_)\right }\ x_\in \mathbb,y_\in \mathbb,i=1,2,\cdots ,N\ X=(x_{1},x_{1},\cdots ,x_)= ...
分类：
其他好文 时间：
2020-07-22 20:54:34
阅读次数：
82
概述传统的控制：将任务分解成多个任务的串并联，设计（子）控制器机器学习：将控制器压缩成黑盒Black box强化学习不同于 监督、非监督学习（与静态数据交互），与环境产生交互，产生最优结果的动作序列。强化学习架构Agent： 由Policy 和 RL_Alg构成Enviroment：关键定义Rewa... ...
分类：
其他好文 时间：
2020-07-22 16:27:19
阅读次数：
132
在机器学习中，我们通过一些已标记的数据（已知的数据，带有标签，确定了其种类和一些属性数值的数据记录）记录成图表等，比如在进行分类问题的训练过程中， 如果特性只有两个，那么可以列平面图表来表示对应的labeled data， 即类似 的图像（来自百度图片）， 其中的曲线既是决策边界，如果我们用一个表格 ...
分类：
其他好文 时间：
2020-07-22 15:38:58
阅读次数：
68
一、基本术语 1.18泛化：学得模型是否适用于新样本的能力 注：假设样本空间的全体样本服从于一个未知的分布D，我们得到的样本都是独立从D上采样得到的，即“独立同分布”。训练样本越多，地道道关于D的信息越多，也就也可能通过学习得到强泛化能力的模型 1.19归纳：从特殊到一般的“泛化”过程 1.20演绎 ...
分类：
其他好文 时间：
2020-07-21 01:21:58
阅读次数：
82
sklearn的数据集 数据集划分 数据集接口介绍 数据集划分 前提：机器学习就是从数据中自动分析获得规律，并利用规律对未知数据进行预测。换句话说，我们的模型一定是要经过样本数据对其进行训练，才可以对未知数据进行预测的。 问题：我们得到数据后，是否将数据全部用来训练模型呢？ 当然不是！因为我们如果模 ...
分类：
其他好文 时间：
2020-07-21 01:08:37
阅读次数：
86
以Python撰写AI模型框架by高焕堂前言：在AI(人工智慧)方面，由于当今的机器学习本质是一种<大数据相关性支撑的>归纳性推理。软体框架的复用(Reuse)性愈高，对于应用开发的帮助愈大。因此，在AI领域里，软体框架魅力将会大放异彩。在本文里，是基于最简单的Perceptron模型来阐述如何分析、设计及实作一个框架和API。在本节里，将优化这个AI模型，让它从线性分类，提升到非线性
分类：
编程语言 时间：
2020-07-19 11:27:56
阅读次数：
62
做机器学习的时候经常用到XGB,简单记录一下 K折交叉验证也是模型常用的优化方法。一起记录。。。 K折交叉验证：类似三个臭皮匠，顶个诸葛亮。我的理解是，就是用民主投票的方式，选取票数最高的那个当结果。K折就是分成K份数据来进行。K= 5就是5折交叉验证，K= 7就是7折交叉验证，K=10就是10折。 ...
分类：
其他好文 时间：
2020-07-18 22:48:42
阅读次数：
81
既然现在有了自动化测试，甚至现在许多团队在使用人工智能的方法，逐渐让机器来取代人的测试。那么作为测试工程师的人未来会不会消失? 回答这个问题前，先来看一下自动化测试优势和劣势。 一、自动化测试的优势 1.1 自动化测试可以执行手工测试相当困难或根本做不到的测试 对于软件性能测试中的并发测试、疲劳性测 ...
分类：
其他好文 时间：
2020-07-18 21:49:57
阅读次数：
53
计算机着实强大，现在我们可以在上面办公、看电影、打游戏、刷新闻，追热点，得力于的正是计算机的计算能力。 什么是计算？计算嘛，1 + 1 = 2，其中1 + 1的过程就是计算，计算就是得到结果的一个过程。 我们人脑对于简单的计算，可以很快的完成（比如上面的例子），但是我们如果增加数量，着实需要一个时间 ...
分类：
编程语言 时间：
2020-07-18 19:53:27
阅读次数：
101
