原创 自己動手寫聚類(一)——初步搭建 k-means 聚類框架

又到了數挖實驗課了,這次老師讓我們自己動手寫聚類,k-means 聚類和層次聚類選一個,時間有限就只能寫一下 k-means 聚類了,層次聚類後面有時間再搞吧(期末真的讓人捉急,事情好多啊)。 實驗題目是這樣的的,要求使用 k-m

原创 PyMC3 API 解讀(二)—— sample() 函數

特此聲明:本博文爲我的另一片博文 PyMC3 概率編程入門 的從博文,之前屬於其中的一部分內容,但是因爲該篇主博文內容較多,整體比較繁雜,閱讀體驗感較差,並且今後對該主博文會做更新,將其作爲學習筆記。因此出於學習目的,我決定將主博

原创 PyMC3 API 解讀(一)—— find_MAP() 函數

特此聲明:本博文爲我的另一片博文 PyMC3 概率編程入門 的從博文,之前屬於其中的一部分內容,但是因爲該篇主博文內容較多,整體比較繁雜,閱讀體驗感較差,並且今後對該主博文會做更新,將其作爲學習筆記。因此出於學習目的,我決定將主博

原创 Redis 操作入門

目錄第一部分 Redis 安裝一、Windows 上安裝 Redis二、Ubuntu 上安裝 Redis三、Mac OS 上安裝 Redis四、安裝 redis-py 第三方庫第二部分 初步瞭解 Redis一、基本準備二、字符串1

原创 PyMC3 概率編程入門

目錄第一部分 編程準備第二部分 概率編程入門實例——貝葉斯點估計1 觀察問題2 確定觀測數據3 定義模型與變量4 統計推斷5 代碼整理與輸出第三部分 概率編程基礎實例——線性迴歸1 觀察問題2 模擬觀測數據3 定義模型與變量4 模

原创 自己動手寫決策樹(一)——初步搭建決策樹框架

數挖實驗課的時候,老師讓我們自己動手寫決策樹,還不能調用 scikit-learn 包,頓時感覺有點難(可能是我比較菜),想到網上找一找看能不能學一下,可是許多大佬都是調包做的,剩下的大佬們寫的代碼也無法短時間去理解,於是我只好照

原创 初步瞭解數據通信的基礎知識

首先先來了解一下數據通信中的幾個常用術語,之後再給大家展示一下數據通信的一些基礎知識: 消息(message):通信的目的就是傳送消息,如語音、文字、圖像、視頻等都是消息; 數據(data):數據是運送消息的實體,也可以說

原创 初步瞭解點對點協議 PPP

對於點對點的鏈路,點對點協議 PPP(Point-to-Point Protocol)是目前使用得最廣泛的數據鏈路層協議,通常,互聯網用戶都要連接到某個 ISP 才能接入到互聯網,PPP 協議就是用戶計算機和 ISP 進行通信時所

原创 TensorFlow運行模型——會話

TensorFlow中的會話(Session)擁有並管理TensorFlow程序運行時的所有資源,當所有計算完成之後需要關閉會話來幫助系統回收資源,否則就可能出現資源泄露問題。 TensorFlow中使用會話的模式有以下兩種:

原创 TensorFlow數據模型——張量

TensorFlow最重要的概念就是Tensor和Flow,Tensor就是張量,Flow就是流,它們合在一起直觀地表達了張量之間通過計算相互轉化的過程。 在TensorFlow程序中,所有的數據都通過張量的形式來表示,張量是Te

原创 TensorFlow處理MNIST數據集

MNIST是一個非常有名的手寫體數字識別數據集,MNIST數據集是NIST數據集的一個子集,它包含了60000張圖片作爲訓練數據,10000張圖片作爲測試數據,在MNIST數據集中的每一張圖片都代表了0~9中的一個數字,圖片的大小

原创 《計算機網絡》閱讀筆記(一)——計算機網絡概述

第一章 計算機網絡概述 1.1 計算機網絡在信息時代中的作用 21 世紀的一些重要特徵就是數字化、網絡化和信息化,現在的時代是一個以網絡爲核心的信息時代。 網絡已成爲信息社會的命脈和發展知識經濟的重要基礎,網絡是指下列“三網”:

原创 大數據學習筆記(四)——分佈式文件系統HDFS

第四章 分佈式文件系統HDFS 4.1 分佈式文件系統 相對於傳統的本地文件系統而言,分佈式文件系統(Distributed File System)是一種通過網絡實現文件在多臺主機上進行分佈式存儲的文件系統,分佈式文件系統的設計

原创 Linux系統Docker的鏡像和容器的使用

在Docker中,容器(CONTAINER)和鏡像(IMAGE)的關係類似於對象和類的關係,鏡像是靜態的定義,容器是鏡像的一個動態實例。 我們通過下列命令可以查看Docker已經安裝的鏡像: docker images 可以看到

原创 關於卷積

最近在看深度學習,其中有一個經典的神經網絡叫卷積神經網絡,這個“卷積”給我帶來了很大的困惑,現在依舊有一些問題沒有解決。 翻轉卷積 未翻轉卷積(互相關函數) 這是卷積的兩種不同形式,但一般在應用中傾向於選擇後者,因爲深度學習中