原创 簡單高效刪除數組成員(非穩定性)的代碼

目的:實現一個高效代碼實現簡單的刪除數組中的需要刪除的成員的功能代碼 代碼如下所示: /* tom 2019-12-06 PM 21:50 */ #include <stdio.h> typedef int BOOL; #defi

原创 【機器學習】【ICA-1】概率統計/代數知識詳解:高斯分佈、概率密度函數、累積分佈函數、聯合分佈函數、複合函數的概率密度函數、行列式求導等

要容易理解ICA,就需要先好好理解透徹下面這些概率統計和線性代數的知識點:高斯分佈、概率密度函數、累積分佈函數、複合函數的概率密度函數、行列式、代數餘子式、矩陣微積分等。下面一一簡單記錄和複習下這些概念,俗話說書讀百遍其義自見,這裏再多寫

原创 【再回首Python之美】【數據結構-二叉樹】如何實現存儲[動態創建]二叉樹 For 層次聚類算法Hierarchical Clustering Alg

在實現層次聚類算法時,最後的結果是一個二叉樹,如何實現這個二叉樹的存儲呢?這篇文章實現並記錄一下。1.一個二叉樹2.用列表存儲二叉樹tree=['A', #root ['B',#左子樹 ['D',[],[]],

原创 【跟我一起學gdb】(3)靈活使用arg0,arg1可變入參------打印任意給定的數據結構對象的所有成員變量

mian.c tom@ubuntu:~/dvp$ cat -n main.c 1 #include <stdio.h> 2 3 typedef struct 4 { 5 int iW

原创 【機器學習】【SVD-5】SVD在推薦(策略:TopK)系統中的應用簡介 + 示例展示 + Python代碼實現

1.SVD在推薦系統中的應用簡介此部分可以詳見:SVD奇異值分解的基本原理介紹2.SVD的TopK推薦系統的簡介TopK推薦策略就是指:找到和新用戶最高相似度的TopK舊用戶,將這k箇舊用戶評分而新用戶未評分的所有商品推薦給新用戶每個舊用

原创 【機器學習】【SVD-4】SVD在推薦(策略:TopOne)系統中的應用簡介 + 示例展示 + Python代碼實現

1.SVD奇異值分解的基本原理介紹參見前面博客:SVD奇異值分解的基本原理介紹2.降維後的數據矩陣的數據相關性有了SVD降維後的用戶對商品評分的矩陣後,現在有一個新的用戶,怎麼利用降維後的評分矩陣爲此新用戶給出個性化推薦商品呢?這時候就需

原创 【機器學習】【SVD-3】SVD降維的應用簡介 + 降維示例展示 + Python代碼實現

1.SVD降維的基本原理SVD降維的基本原理,可以詳見以前文章:https://blog.csdn.net/u012421852/article/details/804334632.降維示例展示降維的理論以及和意義不再贅述,此處僅僅給出S

原创 【機器學習】【線性代數】協方差+協方差矩陣的多種求解方法的Python實現(公式法 + 樣本集中心化方法 + np.cov()法等)

1.協方差和協方差矩陣的概念公式1.1協方差公式1.2協方差矩陣公式有數據集={X,Y,Z},是三維度的數據,即此此數據集中的樣例有3個特徵2.協方差的多種求解Python實現2.1代碼# -*- coding: utf-8 -*- ""

原创 【機器學習】【PCA-1】PCA基本原理和原理推導 + PCA計算步驟講解 + PCA實例展示數學求解過程

簡單講:PCA是一個降維的過程,ICA則是幫助你從多個維度分離有用數據的過程。特徵降維:去掉可分性不強和冗餘的特徵經過X的降維轉換Z = XU,X 是 m × n 的矩陣, U 是 n × k 的矩陣,Z 是 m × k 的矩陣,就得到X

原创 【機器學習】【線性代數】正交基、標準正交基、正交矩陣,正交變換等數學知識點

1.正交向量組直接給定義:歐式空間V的一組非零向量,如果他們倆倆向量正交,則稱是一個正交向量組。(1)正交向量組 是 線性無關的(2)n維歐式空間中倆倆正交的非零向量不會超過n個,即n維歐式空間中一個正交向量組最多n個向量2.正交基在n維

原创 【神經網絡】神經網絡開篇

今天開始總結神經網絡和深度學習相關內容,特開一篇,給自己打打氣,加油!!!雖然艱鉅,但是步步爲營,各個擊破,以少積多,量變引起質變!let's go---------------------> 點贊 收藏 分享

原创 【再回首Python之美】【基礎測試題-1】Python基礎知識例題

Python基礎知識測試題# -*- coding: utf-8 -*- """ @author: 蔚藍的天空Tom """ def ex0(): '''形參會被函數修改內容''' def addItem(listPar

原创 【再回首Python之美】【矩陣】求矩陣中最大元素/最小元素的行列座標 For 層次聚類算法Hierarchical Clustering Alg

求多維矩陣中最小元素的行列座標,這個在層次聚類算法中用到,這裏實現記錄一下。1.簡介矩陣M: [[1 3 2] [2 6 0] [9 8 5]]最大元素是9,對應的行列座標爲(2,0)最小元素是0,對應的行列座標是(1,2)現在任務

原创 【機器學習】【ICA-2】ICA獨立成分分析的原理 + ICA前的預處理(中心化+漂白)

前情提示:ICA算法成立的前提是:假設每個人發出的聲音信號各自獨立。1.雞尾酒宴會問題n個人在一個房間開party,房間的不同配置擺放了n個聲音接收器,每個接收器在每個時刻同時採集到n個人聲音的重疊聲音。每個接收器和每個人的距離是不一樣的

原创 【機器學習】【層次聚類算法-1】HCA(Hierarchical Clustering Alg)的原理講解 + 示例展示數學求解過程

由於層次聚類算法簡單容易理解,且轉載的文章已經很好講解了層次聚類算法,所以自己不再寫了。此文章From:http://bluewhale.cc/2016-04-19/hierarchical-clustering.html在看原文之前,建