原创 postgres與osm初步使用
layout: post title: postgres與osm初步使用 date: 2016-9-20 categories: blog tags: [地圖開發] description:地圖開發 本文主要包括以下內容
2020-02-24 12:19:50
原创 大規模機器學習
如果我們有一個低方差的模型,增加數據集的規模可以幫助你獲得更好的結果。我們應 該怎樣應對一個有 100 萬條記錄的訓練集? 以線性迴歸模型爲例,每一次梯度下降迭代,我們都需要計算訓練集的誤差的平方和, 如果我們的學習算法需要有
2020-02-24 12:19:50
原创 IOS之計算器實現
本文利用ios實現計算器app，後期將用mvc結構重構 import UIKit class CalculViewController: UIViewController { @IBOutlet weak var di
2020-02-24 12:19:50
原创 SVM實現郵件分類
首先學習一下svm分類的使用。 主要有以下步驟： Loading and Visualizing Dataj Training Linear SVM Implementing Gaussian Kerne
2020-02-24 12:19:50
原创 手寫數字識別實現
本文主要實現手寫數字識別，利用多類邏輯迴歸與神經網絡兩種方法實現 Multi-class Classification 數據源 There are 5000 training examples in ex3data
2020-02-24 12:19:50
原创 機器學習系統設計與建議
當我們在運用訓練好了的模型來預測未知數據的時候發現有較大的誤差,我們下一步可以 做什麼? 1. 獲得更多的訓練實例——通常是有效的,但代價較大,下面的方法也可能有效,可 考慮先採用下面的幾種方法。 2. 嘗試減少特徵的數量
2020-02-24 12:19:50
原创 機器學習入門
機器學習是什麼? 第一個機器學 習的定義來自於 Arthur Samuel。他定義機器學習爲,在進行特定編程的情況下,給予計算機 學習能力的領域。 上述是個有點不正式的定義,也比較古老。另一個年代近一點 的定義,由 To
2020-02-24 12:19:50
原创 降維算法學習
降維的動機 首先,讓我們談論降維是什麼。作爲一種生動的例子,我們收集的數據集,有許多, 許多特徵,我繪製兩個在這裏。 假設我們未知兩個的特徵 x1:長度:用釐米表示;X2,是用英寸表示同一物體的長度。 所以,這給了我們高度
2020-02-24 12:19:50
原创 瓦片地圖與geoserver發佈
本文主要包括以下內容 TileMill生成Tile影像金字塔（.mbtiles壓縮文件） Mbutil(https://github.com/mapbox/mbutil)解壓縮 Apache HTTP Server(或tomc
2020-02-24 12:19:50
原创 聚類算法學習
聚類是一種非監督學習方法 在一個典型的監督學習中,我們有一個有標籤的訓練集,我們的目標是找到能夠區分正 樣本和負樣本的決策邊界,在這裏的監督學習中,我們有一系列標籤,我們需要據此擬合一 個假設函數。與此不同的是,在非監督學習中
2020-02-24 12:19:50
原创 神經網絡學習
代價函數 首先引入一些便於稍後討論的新標記方法: 假設神經網絡的訓練樣本有 m 個,每個包含一組輸入 x 和一組輸出信號 y,L 表示神經 網絡層數,Sl 表示每層的 neuron 個數(SL 表示輸出層神經元個數),SL
2020-02-24 12:19:50
原创 Mac使用入門
mac常用快捷鍵 全屏/退出全屏 ctr+command+F 切換到桌面 fn+f11 輸入法切換 ctr+空格 亮度 f1、f2 聲音 f11、f12
2020-02-24 12:19:50
原创 神經網絡入門
我們之前學的,無論是線性迴歸還是邏輯迴歸都有這樣一個缺點,即:當特徵太多時, 計算的負荷會非常大。 普通的邏輯迴歸模型,不能有效地處理這麼多的特徵,這時候我們 需要神經網絡。 神經元和大腦 神經網絡是一種很古老的算法
2020-02-24 12:19:50
原创 機器學習之推薦系統
我們從一個例子開始定義推薦系統的問題。 假使我們是一個電影供應商,我們有 5 部電影和 4 個用戶,我們要求用戶爲電影打分。 基於內容的推薦系統 在一個基於內容的推薦系統算法中,我們假設對於我們希望推薦的東西有一些數據
2020-02-24 12:19:50
原创 多變量線性迴歸
目前爲止,我們探討了單變量/特徵的迴歸模型,現在我們對房價模型增加更多的特徵, 例如房間數樓層等,構成一個含有多個變量的模型,模型中的特徵爲(x1,x2,…,xn) 增添更多特徵後,我們引入一系列新的註釋: n 代表特徵的數量
2020-02-24 12:19:50