原创 C#中對字符串的操作
string類的靜態方法 string s1 = "welcome to yantai"; string s2 = "kao diguo?!"; //判斷一
2020-06-21 06:49:23
原创 機器學習----迴歸模型
今天是機器學習的第一小節學習（吳恩達）。 問題提出： 現在我們有一些真實的數據集（x，y）（x，y）（x，y），xxx表示房屋的大小，yyy表示房屋出售的價格。 然後我們有一個房子要出售，已知房屋大小是xxxnnn，希望能夠知道能
2020-06-21 00:49:23
原创 python中關於線性代數範圍的內容
import numpy as np #新建一個矩陣 a=np.arange(4).reshape([2,2]) print(a) #求逆矩陣 b=np.linalg.inv(a) print(b) #新建對角矩陣 c=n
2020-06-20 23:49:19
2
原创 C#——事件
事件的概念課本上是這樣的： 所謂事件，就是值當對象發生事情時，向其他對象提供通知的一種方法。 個人理解： 對象發生事情——C#中方法可以來表示發生事情。 一種方法——是不是而可以理解成一種機制，即事件是一種方法，一種機制。
2020-06-20 23:49:19
原创 學習python中最小二乘法中包含的內容
函數解釋 ploy1d() 函數 ploy1d()函數 的作用就是輸入一個列表（這個個列表是個係數列表），然後返回一個以這個列表中的值爲參數的多項式。 在最小二乘法中 f = np.poly1d§就是我們用來擬合數據點的函數
2020-06-20 23:49:09
2
原创 對指數分佈的理解
首先pdf是概率密度函數 expon.pdf是指數分佈的概率密度函數 2. 指數分佈的概率密度函數 3. 代碼實現 from scipy.stats import expon import numpy as np impo
2020-06-20 22:46:23
原创 C#學習第一章
C#輸入輸出 控制檯輸入： 讀入一行字符串的ascll console.readline 讀入一行字符串的首個字符的ascii console.readline string s=console.readline() 用字符串s來
2020-06-20 22:46:12
2
原创 C#面向對象學習（重載、重寫、隱藏）this關鍵字，修飾符
搞不清楚之前，就覺得有點不對勁，但搞得好清楚了覺得現在好像也沒啥用，可能就是能看懂別人的代碼了吧，然而這些東西我感覺忘的又很快。 如果有錯誤，請一定告訴我！！！
2020-06-20 22:46:12
1
原创 機器學習——N元線性迴歸(一)
首先聲明已知的數據： m座房子，每個房子都有n條特徵量，每個房子有售它對應的售價y。 房子 地理環境 建築面積 使用時間 損壞程度 出售價 房子1 1 1 10 2 1000萬 房子2 2 3 20 2 1000
2020-06-20 22:46:12
原创 C#的動態數組、哈希表、隊列和棧
動態數組 //建立一個動態數組，長度是六，像動態數組中輸入十個數據， //將索引爲2 的數據刪除，對動態數組進行逆序排序，最後輸出整個數組 ArrayList at = new ArrayList();
2020-06-20 22:46:12
原创 PHP向Mysql插入數據出現了一系列問題（插不進去、插進去了但是亂碼）
哎呦哎，我真的服了，老是不對。 媽蛋，終於好了。 html頁面表單提交的用戶名，用php 插入mysql時一直出錯。 然後我這樣做： 1、將 我的 user表 用utf8編碼。 2、在php文件一開始加上這句話： header
2020-06-12 20:03:13
1
原创 快速排序（C#）
至於爲什麼要從右邊找小於基準值的數呢： 因爲右邊的數都應該大於基準值，小於基準值的數就相當於是異族，要清除異己。 還有個問題就是爲什麼要從右邊先開始。 假設有這樣一種情況： 我選最左邊一個數2做基準值，先從左邊開始檢測找到一個6
2020-03-23 23:57:15
原创 正則化——處理過擬合（線性迴歸和邏輯迴歸）
進行正則化後的代價函數：J(θ)=12m[∑i=1mhθ(x(i))−y(i)+λ∑j=1nθj2]J(\theta)=\frac{1}{2m}[\sum^m_{i=1}h_\theta(x^{(i)})-y^{(i)}+\lam
2020-03-17 21:04:15
原创 機器學習---分類問題（二分類和多分類）、邏輯迴歸
給出假設函數： hθ(x)=g(θT⋅X)(1)h_\theta(x)=g(\theta^T\cdot X) \tag{1}hθ(x)=g(θT⋅X)(1) g(z)=11+e(−z)(2)g(z)=\frac{1}{1+e^{
2020-03-15 18:27:37
原创 機器學習---N元線性迴歸中的梯度下降法
我們對n元線性迴歸做出的假設函數如下： hθ(x)=θTX=x0θ0+x1θ1+x2θ2+x3θ3+⋯+xnθn(1.1)h_\theta(x)=\theta^TX=x_0\theta_0+x_1\theta_1+x_2\thet
2020-03-15 18:27:37