学习
-
黑马程序员—wpf学习笔记四—banding的那些事
黑马程序员—wpf学习笔记四—banding的那些事——-WindowsPhone7手机开发、.Net培训、期待与您交流！——-一、WPF中,对控件做数据banding,可以方便的进行赋值和获得值的操作:例如一:<Grid><SliderName=”Slider1″HorizontalAlignment=”Left”Margi…
-
-
-
简单易学的机器学习算法——梯度提升决策树GBDT「建议收藏」
简单易学的机器学习算法——梯度提升决策树GBDT「建议收藏」梯度提升决策树（GradientBoostingDecisionTree，GBDT）算法是近年来被提及比较多的一个算法，这主要得益于其算法的性能，以及该算法在各类数据挖掘以及机器学习比赛中的卓越表现，有很多人对GBDT算法进行了开源代码的开发，比较火的是陈天奇的XGBoost和微软的LightGBM。一、监督学习1、监督学习的主要任务监督学习是机器学习算法中重要的一种，对于监督学习，假设有mm…
-
批处理for循环命令初步学习
批处理for循环命令初步学习1基本格式DOS批处理for循环语句的基本格式是，for/参数%变量in(集)do命令参数：FOR分四种参数DLRF；变量：变量名是由单个字母组成且区分大小写（原帮助是这么说的，实际运用中用单个数字作为变量名试过证明也可行），如%B和%b代表的是不同的变量；FOR命令会在每次循环中，把in(集)中读取到的值赋于这个变量，以便其后的命令中引用；集：由系列文件、字符串或由命令产生的内容形成的集合（当然可用通配符*？，还可引用环…
-
学习笔记——机器学习–多项式分布及Softmax回归模型推导[通俗易懂]
学习笔记——机器学习–多项式分布及Softmax回归模型推导[通俗易懂]在一个多分类问题，预测变量yyy可以取kkk个离散值中的任何一个，即y∈{1,2,⋯,k}y∈{1,2,⋯,k}y\in\{1,2,\cdots,k\}。例如：在一个邮件分类系统将邮件分为私人邮件，工作邮件和垃圾邮件。由于yyy仍然是一个离散值，这种多分类问题，二分类模型在这里不太适用。多分类问题符合多项分布。有许多算法可用于解决多分类问题，像决策树、朴素贝叶斯等。本文主要讲解多分类算…
-
《PRML》学习笔记2.2——多项式分布和狄利克雷分布
《PRML》学习笔记2.2——多项式分布和狄利克雷分布 上回讲完了伯努利分布、二项分布和Beta分布，以及从最大似然估计的非参数化思想和引入共轭先验，使得参数变成一个变量，建模求解的参数化方法两方面介绍了求解模型参数的方法。没有读过的朋友可以参考：《PRML》学习笔记2.1——伯努利分布、二项分布和Beta分布，从贝叶斯观点出发 今天将为大家介绍两个更难理解的分布——多项式分布和狄利克雷分布。1.多项式变量和多项式分布 …
-
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：
