1.模仿模板 2.PS 3.形狀+透明度 4.不能太多字，可以邏輯提煉，但是排版好看也是可以的 5.搜索引擎找思路 6.素材（網(wǎng)站+以前的模板） 7.LOGO+矢量圖 8.細(xì)...
IP屬地：四川
-
PPT學(xué)習(xí)
-
Java瘋狂講義
3.2標(biāo)識(shí)符和關(guān)鍵字 3.2.1 分隔符 分號(hào)：實(shí)現(xiàn)對(duì)語(yǔ)句的分隔黄虱，每個(gè)Java語(yǔ)句都會(huì)使用分號(hào)作為語(yǔ)句的間隔骑科，因此每個(gè)Java語(yǔ)句必須使用分號(hào)作為結(jié)尾拇泣，Java程序允許一行書...
-
@zzj_619f course里的吳恩達(dá)老師的machine learning課
異常檢測(cè)(Anomaly Detection)
1.問題的動(dòng)機(jī) 異常檢測(cè)(Anomaly detection)問題是機(jī)器學(xué)習(xí)算法的一個(gè)常見應(yīng)用彩届。這種算法的一個(gè)有趣之處在于：它雖然主要用于非監(jiān)督學(xué)習(xí)問題拾并，但從某些角度看混埠，它又...
-
@zzj_619f coursa上吳恩達(dá)老師的machine learning授課PPT
異常檢測(cè)(Anomaly Detection)
1.問題的動(dòng)機(jī) 異常檢測(cè)(Anomaly detection)問題是機(jī)器學(xué)習(xí)算法的一個(gè)常見應(yīng)用怠缸。這種算法的一個(gè)有趣之處在于：它雖然主要用于非監(jiān)督學(xué)習(xí)問題，但從某些角度看钳宪，它又...
-
PRML第一章《貝葉斯定理揭北、高斯分布扳炬、概率論、模型選擇和維度災(zāi)難》PRML第一章《緒論》本章一共七個(gè)小章節(jié)1.1從一個(gè)例子多項(xiàng)式曲線擬合1.2講解了概率論基礎(chǔ)罐呼，分為6個(gè)小章節(jié)鞠柄，包括概率密度、期望與協(xié)方差嫉柴、貝葉斯概率厌杜、高斯分布、重新考察曲線擬...
-
第一章《緒論》
PRML第一章《緒論》本章一共七個(gè)小章節(jié)1.1從一個(gè)例子多項(xiàng)式曲線擬合1.2講解了概率論基礎(chǔ)计螺，分為6個(gè)小章節(jié)夯尽，包括概率密度、期望與協(xié)方差登馒、貝葉斯概率匙握、高斯分布、重新考察曲線擬...
-
重新考察曲線擬合問題從概率的角度看多項(xiàng)式曲線擬合陈轿。 我們要假定：給定的值圈纺，對(duì)應(yīng)的值服從高斯分布，分布的均值為： 我們現(xiàn)在使用訓(xùn)練數(shù)據(jù){}麦射，通過(guò)最大似然方法蛾娶，來(lái)決定參數(shù)和的值，似然函數(shù)為： 通過(guò)略...
-
高斯分布其中參數(shù)：被叫做均值潜秋，被叫做方差蛔琅，方差的平方根，由給定峻呛，叫作標(biāo)準(zhǔn)差罗售，方差的倒數(shù)，叫作精度钩述。 ?根據(jù)上式寨躁，我們可以得到： ?并且很容易證明高斯分布式高度歸一化的，因此： 因此式...
-
大規(guī)模機(jī)器學(xué)習(xí)(Large Scale Machine Learning)1.大型數(shù)據(jù)集的學(xué)習(xí) 處理大數(shù)據(jù)集的算法近年來(lái)機(jī)器學(xué)習(xí)技術(shù)的發(fā)展歸因于我們有極其龐大的數(shù)據(jù)用來(lái)訓(xùn)練我們的算法牙勘。處理如此海量數(shù)據(jù)的算法朽缎？我們?yōu)槭裁匆么蟮挠?xùn)練集呢？ 我們已經(jīng)知...
-
異常檢測(cè)(Anomaly Detection)1.問題的動(dòng)機(jī) 異常檢測(cè)(Anomaly detection)問題是機(jī)器學(xué)習(xí)算法的一個(gè)常見應(yīng)用谜悟。這種算法的一個(gè)有趣之處在于：它雖然主要用于非監(jiān)督學(xué)習(xí)問題话肖，但從某些角度看，它又...
-
聚類(Clustering)1.無(wú)監(jiān)督學(xué)習(xí)：簡(jiǎn)介 聚類算法：第一個(gè)無(wú)監(jiān)督學(xué)習(xí)算法（無(wú)標(biāo)簽的數(shù)據(jù)） 什么是無(wú)監(jiān)督學(xué)習(xí)呢葡幸？對(duì)比：監(jiān)督學(xué)習(xí)問題指的是最筒，我們有一系列標(biāo)簽，然后用假設(shè)函數(shù)去擬合它蔚叨，作為對(duì)比床蜘，在無(wú)監(jiān)...
-
支持向量機(jī)(Support Vector Machines)1.優(yōu)化目標(biāo) 在監(jiān)督學(xué)習(xí)中辙培，很多監(jiān)督學(xué)習(xí)算法的性能都非常相似，所以經(jīng)常要考慮的東西邢锯，不是選擇算法扬蕊，而是更多的去考慮，你構(gòu)建這些算法時(shí)所使用的數(shù)據(jù)量丹擎，這就體現(xiàn)了你使用這些算法的...
-
應(yīng)用機(jī)器學(xué)習(xí)的建議1.決定下一步做什么 到目前為止尾抑，我們已經(jīng)介紹了許多不同的學(xué)習(xí)算法，如果你一直跟著這些視頻的進(jìn)度學(xué)習(xí)蒂培，你會(huì)發(fā)現(xiàn)自己已經(jīng)不知不覺地成為一個(gè)了解許多先進(jìn)機(jī)器學(xué)習(xí)技術(shù)的專家了再愈。 然...
-
電視劇《天道》讀后感：強(qiáng)勢(shì)文化與弱勢(shì)文化的屬性抑或根源善與惡
其實(shí)我很少看電視劇，但是這部片子口碑極佳护戳，慕名而看翎冲，頗有感觸，對(duì)人性又有了多維度的理解媳荒。 故事概況： 片中主角丁元英抗悍，一個(gè)像神似鬼一樣的人物。思維縝密钳枕，對(duì)復(fù)雜事物判斷精準(zhǔn)檐春，似...
-
神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)(Neural Networks: Learning)1.代價(jià)函數(shù) 神經(jīng)網(wǎng)絡(luò)在分類問題中的應(yīng)用：兩種分類問題：第一種是二元分類；這里的y只能是0或1么伯，在這種情況下，我們會(huì)有且僅有一個(gè)輸出單元卡儒。K：輸出層的單元數(shù)目田柔。第二種是多類別...
-
神經(jīng)網(wǎng)絡(luò)表述1.非線性假設(shè) 我們之前學(xué)的，無(wú)論是線性回歸還是邏輯回歸都有這樣一個(gè)缺點(diǎn)骨望，即：當(dāng)特征太多時(shí)硬爆，計(jì)算的負(fù)荷會(huì)非常大。 下面是一個(gè)例子： 如果n是原始特征的個(gè)數(shù)擎鸠，事實(shí)上二次項(xiàng)的個(gè)數(shù)...
-
回顧|Logistic回歸1.分類問題 如果我們要預(yù)測(cè)的變量y是一個(gè)離散情況下的分類問題缀磕，比如判斷郵件是否是垃圾郵件。就要使用logistic回歸算法：最廣泛使用的算法之一劣光。如果之前的線性回歸是一個(gè)預(yù)...
-
深度學(xué)習(xí)筆記之人臉識(shí)別和風(fēng)格抓換第一課：什么是人臉識(shí)別 卷積神經(jīng)網(wǎng)絡(luò)的重要應(yīng)用：將從人臉識(shí)別開始袜蚕，之后講神經(jīng)風(fēng)格遷移 百度林元慶人臉識(shí)別系統(tǒng)。人臉識(shí)別和活體檢測(cè)绢涡。后者表明你是一個(gè)活人牲剃，事實(shí)上，活體檢測(cè)可以使...
-
YOLO算法上周最后一課 你已經(jīng)學(xué)了對(duì)象檢測(cè)算法的大部分零件了雄可，接下來(lái)凿傅，我們把所有的零件組合到一起缠犀，構(gòu)成YOLO檢測(cè)算法。 首先：構(gòu)建訓(xùn)練集創(chuàng)建一個(gè)y向量3x3x2x8聪舒，要構(gòu)造訓(xùn)練集辨液，你...