李俊平

19 Flips | 1 Magazine | 1 Like | 3 Following | @jplee1969 | Keep up with 李俊平 on Flipboard, a place to see the stories, photos, and updates that matter to you. Flipboard creates a personalized magazine full of everything, from world news to life’s great moments. Download Flipboard for free and search for “李俊平”

Python 2.7.x 和 3.x 版本的重要区别 - 文章 - 伯乐在线

本文由 伯乐在线 - Daetalus 翻译,黄利民 校稿。未经许可,禁止转载!<br>英文出处:nbviewer.ipython.org。欢迎加入翻译组。<p>许多Python初学者都会问:我应该学习哪个版本的Python。对于这个问题,我的回答通常是“先选择一个最适合你的Python教程,教程中使用哪个版本的 …

jQuery 实验教程:jQuery 简介、语法及事件处理 - 文章 - 伯乐在线

jQuery 简介:为什么使用 jQuery 用<p>jQuery 是一个跨浏览器的免费开源 JavaScript 库。其核心设计思想是“写更少的代码,做更多的事情”(Write Less Do More)。jQuery 提供了一套易于使用的 API。这些 API 极大地简化了客户端(浏览器)编程过程中的 …

Stack的三种含义 - 阮一峰的网络日志

Python语言的创始人解释为什么Python数组的索引从0开始

最近有人在Twitter是问我为什么Python使用以0为第一位的数组索引方式(以下简称0-based),并让我看一篇关于这个主题的文章(很有趣)。这引起了我不少的回忆。ABC语言——Python的祖先之一,使用的是以1为第一位的索引方式(以下简称1-based),而C语言——另一种对Python有 …

通俗的讲解下基于K-近邻的简易垃圾信息分类器设计实现

好久没写东西了,今天发个关于机器学习中的监督学习里的K-近邻实现。考虑到大家用的语言可能不一致,以下我将尽可能的用伪代码形式写程序流程,更多的是讲该分类器的设计原理,所以无程序基础的同学应该也能看明白。 <br>在讲该算法之前需要讲到一点点数学知识,即我们在高中的讲求解两点间的距离的公式: <br>相信大家对于这个公式还是有点印象的,今天本文中要讲的K-近邻的核心也就是这个距离公式了。下面开始正式讲解。K-近邻分类简而言之就是去求一个未知的空间点距离在已知坐标轴上各点间的距离,然后将所有的距离进行从小到大的排序,然后取K个距离对应的点,比如K=3,即看取出来的这3个距离最近的点所属的分类,再计算这三个点里所点 …

[转载]经典的机器学习方面源代码库

机器学习中的数学(1)-回归(regression)、梯度下降(gradient descent)

新宇教你机器学习之 PCA

新宇带你复习一下线性代数之 eigenvector和eigenvalue

收藏!斯坦福Andrew Ng教授“机器学习”26篇教程全译

机器学习中的相似性度量 (多种几何距离定义)

百度--您的访问出错了

机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用

<b>版权声明:</b><p>本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com。也可以加我的微博: @leftnoteasy<p><b>前言:</b><p>上一次写了关于PCA与LDA的文章, …

数据挖掘之决策树分类

<b>1. 理论知识</b><p>决策树分类算法的一般流程如下:一开始,所有的实例均位于根节点,所有参数的取值均离散化;根据启发规则选择一个参数,根据参数取值的不同对实例集进行分割;对分割后得到的节点进行同样的启发式参数选择分割过程,如此往复,直到(a)分割得到的实例集合属于同一类;(b)参数用完,以子集中绝大多数的实例类别作为该叶节点的类别。<p><b>核心问题:参数选择规则</b><p>在每一个节点进行参数选择时,由于有众多的选项,需要一个选择规则。基本的原则是使最后构造出的决策树规模最小。基于这个基本原则,我们启发式地定义规则为使分割后得到的子节点纯度最大。于是参数选择规则问题就转化为了纯度定义的问题。<p>我们利用熵(Entropy)的 …

机器学习中的相似性度量 - 苍梧

  在做分类时常常需要估算不同样本之间的相似性度量(SimilarityMeasurement),这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究,甚至关系到分类的正确与否。  本文的目的就是对常用的相似性度量作一个总结。<br>本文目录:1.欧氏距离2.曼哈 …

机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)