THE ARCHIVE

归档：2015-08

文字、光影与声音，都是记录世界的方式。

按主题按标签按年月专题阅读

共 10 份公开作品

文章2015年8月29日

机器学习五

1. 支持向量机(Support Vector Machines) SVM有很多实现，最流行的一种实现是序列最小优化(Sequential Minimal Optimization)算法可以使用核函数(kernel)的方式将SVM扩展到更

SVM machine learning

文章2015年8月26日

操作系统一

1. 前言华中科技大学的讲义很不错主要备份了此讲义的内容[1] 文中用到的一些概念：原语：操作系统或计算机网络用语范畴。是由若干条指令组成的，用于完成一定功能的一个过程。primitive or atomic action 是由若干个

operating system

文章2015年8月26日

Game Theory 01

1. 一场博弈的四个基本要素至少两个参与者。博弈论的参与者又被称为决策主体，也就是在博弈中制定决策的人利益策略。在博弈中，决策主体根据获得的信息和自己的判断，制定出一个行动方案，这个行动方案便是策略信息。利益是博弈的目的，策略是获得

game theory

文章2015年8月25日

机器学习四

1. Logistic回归利用Logistic回归进行分类的主要思想是: 根据现有数据对分类边界线建立回归公式,以此进行分类 2. 基于Logistic回归和Sigmoid函数的分类我们想要的函数是能接受所有的输入然后预测出类别。例如,

machine learning logistic

文章2015年8月19日

机器学习三

1. 朴素贝叶斯朴素贝叶斯的两个假设：特征之间相互独立，即一个单词出现的可能性与它和其他单词相邻没有关系每个特征同等重要 2. 文本分类 2.1 准备数据从文本中构建词向量, 将文本看成单词向量或词条向量(也就是说将句子转换为向量)

machine learning bayes decision

文章2015年8月16日

机器学习二

1. 决策树定义决策树是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出，若

machine learning decision tree ID3

文章2015年8月16日

模式识别一

1. 模式识别系统的构成 first 其中：分类器设计，为了把待识别模式分配到各自的模式类中去，必须设计出一套分类判别规则。基本做法是：用一定数量的样本（称为训练样本集）确定出一套分类判别规则，使得按照这套分类判别规则对待模式识别进行分类

pattern recognition

文章2015年8月11日

机器学习一

1. 简介学习此书[1]时的一些记录 2. 如何选择合适的算法考虑使用机器学习算法的目的, 如果想要预测目标变量的值，则可以选择监督学习算法，否则可以选择无监督学习算法。确定选择监督学习算法后，进一步确定目标变量类型，如果目标变量是离散

machine learning kNN k-Nearest Neighbour

文章2015年8月3日

Linux琐记二

1. dd命令 win8.1下镜像直接点击setup.exe无效...系统要求都符合，只是我这是双系统且是BIOS引导，也不是UEFI 想想要不制作个系统盘，Win32DiskImager制作后还是不行，转到Ubuntu使用 dd if=e

linux