学习
-
机器学习：Multinoulli分布与多项式分布
机器学习：Multinoulli分布与多项式分布学习深度学习时遇见multinoulli分布，在此总结一下机器学习中常用的multinoulli分布与多项式分布之间的区别于关系，以便更好的理解其在机器学习和深度学习中的使用。首先介绍一下其他相关知识。Bernoulli分布（两点分布）Bernoulli分布是单个二值随机变量的分布。它由单个参数控制，给出了随机变量等于1的概率。 …
-
-
【机器学习中的数学】多项式分布及其共轭分布
【机器学习中的数学】多项式分布及其共轭分布多项变量(MultinomialVariables)二元变量是用来描述只有两种可能值的量，而当我们遇到一种离散变量，其可以有K种可能的状态。我们可以使用一个K维的向量x表示，其中只有一维xk为1，其余为0。对应于xk=1的参数为μk，表示xk发生时的概率。其分布可以看做是伯努利分布的一般化。现在我们考虑N个独立的观测D={x1,…,xN}，得到其似然函数。如图：
-
C#调用Win32 api学习总结
C#调用Win32 api学习总结从.NET平台调用Win32API Win32API可以直接控制MicrosoftWindows的核心，因为API（ApplicationProgrammingInterface）本来就是微软留给我们直接控制Windows的接口。一. 基础知识 Win32API是C语言（注意，不是C++语言，尽管C语言是C++语言的子集）函数集。
-
python归一化函数_机器学习-归一化方法
python归一化函数_机器学习-归一化方法1.归一化(Normalization)引入归一化，是由于在不同评价指标(特征指标)中，其量纲或是量纲单位往往不同，变化区间处于不同的数量级，若不进行归一化，可能导致某些指标被忽视，影响到数据分析的结果。为了消除特征数据之间的量纲影响，需要进行归一化处理，以解决特征指标之间的可比性。原始数据经过归一化处理后，各指标处于同一数量级，以便进行综合对比评价。1.必要性举例：以房价问题为例，假设我们…
-
LTE学习笔记：频带、信道带宽和频点号EARFCN「建议收藏」
LTE学习笔记：频带、信道带宽和频点号EARFCN「建议收藏」转自：https://blog.csdn.net/m_052148/article/details/513222601.频带（Band）所谓频带，指代的是一个频率的范围或者频谱的宽度，即无线解码器的最低工作频率至最高工作频率之间的范围，单位是Hz。为了方便起见，在LTE中，使用数字1-43来表示不同的频带（36101-V10.21.0版本协议），从而指代不同的频率范围。协议36101规…
-
Spring基础学习-任务调度TaskScheduler
Spring基础学习-任务调度TaskScheduler某些时候我们可能需要在某些固定的时间或者是间隔一定的时间连续执行一些任务，如每天凌晨自动跑一些批次/心跳检测等。Spring通过使用TaskScheduler来完成这些功能。本文目录：1Trigger1.1CronTrigger1.2PeriodicTrigger2TaskScheduler接口简介2.1接口简介2.2TaskScheduler的实现类2.2…
-
【机器学习】数据归一化——MinMaxScaler理解
【机器学习】数据归一化——MinMaxScaler理解文章目录前言公式实例前言前阵在查sklearn的归一化方法MinMaxScaler的时候，发现找到的文章解释的一塌糊涂，一般都是扔个公式加一堆代码就敷衍了事了，所以这次写一篇讲述MinMaxScaler核心功能的文章。公式会查MinMaxScaler的基本上都应该理解数据归一化，本质上是将数据点映射到了[0,1]区间（默认），但实际使用的的时候也不一定是到[0,1]，你也可以指定参数feature_range，映射到其他区间，这个后面再讲。首先了解该计算公式：Xstd=X−X.min(axis
-
机器学习 F1-Score, recall, precision
机器学习 F1-Score, recall, precision在机器学习，模式识别中，我们做分类的时候，会用到一些指标来评判算法的优劣，最常用的就是识别率，简单来说，就是acc=Npre/Ntotalacc=N_{pre}/N_{total}这里的NpreN_{pre}表示预测对的样本数，NtotalN_{total}表示测试集总的样本数。识别率有的时候过于简单，不能全面反应算法的性能，除了识别率，还有一些常用的指标，就是我们要介绍的
-
