原创 Deepin 安裝配置Conda
文章目錄下載Miniconda安裝Miniconda配置清華鏡像（可選）更新conda創建python環境安裝常用python包如何刪除Python環境？ 下載Miniconda 從清華鏡像源下載Miniconda(Minicon
2020-06-20 13:03:27
1
原创 解決Linux環境下Mathematica筆記本的中文輸入問題
目錄解決Linux環境下Mathematica筆記本的中文輸入問題系統環境問題解決辦法效果 解決Linux環境下Mathematica筆記本的中文輸入問題 系統環境 Linux: Deepin V20Beta Mathematic
2020-06-20 13:03:27
16
原创 曲線擬合——最小二乘法與高斯假設下的最大似然估計和最大後驗估計
曲線擬合——最小二乘法與高斯假設下的最大似然估計和最大後驗估計曲線擬合——最小二乘法與高斯假設下的最大似然估計和最大後驗估計1. 使用平方和誤差函數的多項式曲線擬合——最小二乘法推導：1.1 平方和誤差函數作爲損失函數1.2 帶正
2019-06-20 18:20:37
原创 Deepin常用軟件安裝
Deepin 常用軟件安裝（持續更新） PPA源 sudo apt-get install python-software-properties software-properties-common Typora wget -qO
2019-01-21 23:59:08
原创 Deepin 上安裝 Julia
下載Julia 從 https://julialang.org/downloads/ 下載相應版本的Julia包。如 Generic Linux Binaries for x86 的64位版本。 安裝Julia 將下載的文件解壓到指定
2019-01-14 00:48:15
6
原创 使用BeautifulSoup爬取筆趣閣小說
使用BeautifulSoup爬取筆趣閣小說代碼實驗一下 今天下午學習了一下BeautifulSoup，正好本人書荒，於是以筆趣閣網站爲研究對象，就寫了個爬小說的代碼。放上來供大家參考，也請高手指正。 先放代碼： 代碼 import
2018-10-02 09:02:44
2
原创 自編碼變分貝葉斯
自編碼變分貝葉斯 標籤（空格分隔）： 機器學習 深度解讀Diederik P. Kingma和Max Welling的論文 Auto-encoding variational bayes1，對中間涉及的公式進行了詳盡的推導。最後給出了變
2018-08-24 17:45:02
1
原创 Chapter 6 貝葉斯學習
第6章 貝葉斯學習 6.1 概述 貝葉斯推理對機器學習十分重要，它 爲衡量多個假設的置信度提供了定量的方法， 爲直接操作概率的學習算法提供了基礎， 也爲其他算法的分析提供了理論框架。 貝葉斯學習方法的特性包括： 觀察到的每個訓練樣例
2018-08-24 17:44:56
原创 Chapter 4 神經網絡
第4章 神經網絡 4.1 適合神經網絡學習的問題 實例是用很多“屬性-值”對錶示的； 目標函數的輸出可能是離散值、實數值或者由若干實數屬性或離散屬性組成的向量； 訓練數據可能包含錯誤； 可容忍長時間的訓練； 可能需要快速求出目標的函數值
2018-08-24 17:44:52
原创 Chapter 8 基於實例的學習
第8章 基於實例的學習 基於實例的學習方法也被稱爲消極學習法，因爲它們只是簡單地把訓練樣例存儲起來，而把處理工作延遲到必須分類新的實例時。 基於實例的方法可以爲不同的待分類查詢實例建立不同的目標函數逼近。 基於實例的方法的不足：一是分
2018-08-24 17:44:49
1
原创 關於本博客
寫在前面 寫這個博客主要有兩個目的： 一方面是自己做一下學習筆記，經常看看，溫故知新。 另一方面，也讓別人看看。對相關領域熟悉的人們可以找找茬，大家探討一下；同時，也能夠爲想學習相關知識的人們提供一個簡單的參考。 另外，敲公式很耗時
2018-08-24 17:44:49
原创 Seq2Seq in Keras 示例
示例代碼源自keras/examples/lstm_seq2seq.py 算法介紹 算法目的是將來自某個域中的輸入序列X （英語語句） 映射到 另一個域中對應的目標序列 Y （法語語句）。 LSTM編碼器：將輸入序列映射 X 爲一個2
2018-08-24 17:44:49
原创 Chapter 7 計算學習理論
第7章 計算學習理論 7.1 可能近似正確（PAC）假設 7.1.1 假設的錯誤率 真實錯誤率（True Error）： 假設 h 的關於目標概念 c 和分佈 D 的真實錯誤率爲 h 誤分類根據 D 隨機抽取的實例的概率： e
2018-08-24 17:44:47
4
原创 Chapter 1 引言
第1章 引言 1.1 學習問題的標準描述 機器學習的定義：對於某類任務T 和性能度量P ，如果一個計算機程序在T 上以P 衡量的性能隨着經驗E 而自我完善，那麼稱這個計算機程序在從經驗E中學習。 1.2 設計學習系統 選擇訓練經驗
2018-08-24 17:44:47
原创 Chapter 3 決策樹學習
第3章 決策樹學習 3.1 決策樹學習的適用問題 決策樹學習是一種逼近離散值目標函數的方法，對噪聲數據有很好的魯棒性且能夠學習析取表達式。在這種方法中學習到的函數被表示爲一棵決策樹，它最合適具有以下特徵的問題： 實例是由“屬性-值”對錶
2018-08-24 17:44:47
1