3 郭洪源

尚未进行身份认证

我要认证

天下古今之庸人,皆以一惰字致败,天下古今之才人,皆以一傲字致败

等级
TA的排名 444

在浏览器敲一个网址之后的处理过程

目录DNS解析2. Socket建立连接3. 发送HTTP请求3.1 请求方法URI协议/版本3.2 请求头(Request Header)3.3 请求正文3.4 HTTP请求方法:GET方法与POST方法4. 服务器响应4.1 HTTP响应报文头4.2 HTTP应答码5. 关闭连接tcp三次握手及其必要性我们在浏览器中输入一个网址,比如www.google.cn,浏览器就会加载出百度的主页。那么浏览器背后完成的具体是怎么样的呢?总结起来大概的流程是这..

2020-07-30 17:07:56

Mysql笔记

数据库基础知识为什么要使用数据库数据保存在内存优点: 存取速度快缺点: 数据不能永久保存数据保存在文件优点: 数据永久保存缺点:1)速度比内存操作慢,频繁的IO操作。2)查询数据不方便数据保存在数据库1)数据永久保存2)使用SQL语句,查询方便效率高。3)管理数据方便什么是SQL?结构化查询语言(Structured Query Language)简称SQL,是一种数据库查询语言。作用:用于存取数据、查询、更新和管理关系数据库系统。什么是MySQL

2020-07-30 11:14:10

python训练题

1.代码运行结果v = dict.fromkeys({'k1','k2'},[])v['k1'].append(['356'])print(v)v['k1'] = '777'print(v){'k2': [['356']], 'k1': [['356']]}{'k2': [['356']], 'k1': '777'}Process finished with exit code 02.那一项不是内置函数 DA:map B: reduce C: filter D: ma

2020-07-28 20:54:50

垃圾回收机制及gc模块知识点

Python中的垃圾回收是以引用计数为主,标记-清除和分代收集为辅。引用计数最大缺陷就是循环引用的问题,所以Python采用了辅助方法。垃圾收集只对循环引用起作用sys.getrefcount(object)的函数说明:函数Docstring中说返回值通常比我们期望的要多1,因为传给该函数的参数临时变量又增加了一次引用。a=[]b=[]a.append(b)b.append(a...

2020-03-16 18:02:52

HMM

目录概率计算问题前向算法预测算法学习算法有监督学习无监督学习HMM 实例概率计算问题继续上一篇的例子。现在模型已经给定,观测序列也已经知道了,我们要计算的是 O= (红宝石,珍珠,珊瑚) 的出现概率,我们要求的是 P(O|λ)。直接计算用直接计算法来求 λ情况下长度为 T 的观测序列 O的概率:P(O|λ)=∑S∈STP(O,S|λ)其中 ST表示所...

2019-07-24 10:02:51

PCA——利用数学工具提取主要特征

目录泛滥成灾的特征维度维度灾难数据稀疏数据稀疏对机器学习的影响降低数据维度降维度方法主成分分析(PCA)的原则PCA 的优化目标基于最近重构性的优化目标基于最大可分性的优化目标泛滥成灾的特征维度维度灾难维数灾难(Curse of Dimensionality,也可以直接翻译为“维度诅咒”)是一种在分析或组织高维(通常是几百维或者更高维度)数据时会...

2019-04-26 09:35:28

KMeans——最简单的聚类算法

什么是聚类(Clustering)聚类并非一种机器学习专有的模型或算法,而是一种统计分析技术,在许多领域得到广泛应用。广义而言,聚类就是通过对样本静态特征的分析,把相似的对象,分成不同子集(后面我们将聚类分出的子集称为“簇”),被分到同一个子集中的样本对象都具有相似的属性。在机器学习领域,聚类属于一种无监督式学习算法。许多聚类算法在执行之前,需要指定从输入数据集中产生的分簇的...

2019-04-23 16:36:30

从有监督到无监督:由 KNN 引出 KMeans

目录从有监督学习到无监督学习有监督学习(Supervised Learning)无监督学习(Unsupervised Learning)半监督学习(Semi-supervised Learning)发展趋势KNN 算法KNN 算法原理KNN 的 k从有监督学习到无监督学习有监督学习和无监督学习,是机器学习两个大的类别。我们之前讲的都是有监督学习,毕竟有监督学...

2019-04-22 11:59:04

直观认识 SVM 和 SVR

SVM 实例线性可分 SVM先来看一个最简单的例子:线性可分 SVM: import numpy as np import matplotlib.pyplot as plt from sklearn.svm import SVC # "Support vector classifier" # 定义函数plot_svc_decision_function...

2019-04-16 14:07:51

SVM——线性可分 SVM 原理

目录线性可分和超平面线性可分支持向量机线性可分和超平面二分类问题在机器学习的应用中,至少现阶段,分类是一个非常常见的需求。特别是二分类,它是一切分类的基础。而且,很多情况下,多分类问题可以转化为二分类问题来解决。所谓二分类问题就是:给定的各个样本数据分别属于两个类之一,而目标是确定新数据点将归属到哪个类中。特征的向量空间模型一个个具体的样本,在被机器学习算法处理时,...

2019-04-15 10:24:25

决策树——告诉你 Hello Kitty 是人是猫

Hello Kitty 的种族问题Hello Kitty,一只以无嘴造型40年来风靡全球的萌萌猫,在其40岁生日时,居然被其形象拥有者宣称:Hello Kitty 不是猫!2014年8月,研究 Hello Kitty 多年的人类学家 Christine R. Yano 在写展品解说时,却被 Hello Kitty 持有商三丽鸥纠正:Hello Kitty 是一个卡通人物,她是一个小女孩,是...

2019-04-12 17:46:22

决策树——既能分类又能回归的模型

目录决策树什么是决策树直观理解决策树构建决策树几种常用算法ID3 算法C4.5CART决策树前面我们讲了线性回归和朴素贝叶斯分类模型。前者只能做回归,后者只能做分类。但本文中要讲的决策树模型,却既可以用于分类,又可以用于回归。什么是决策树决策树是一种非常基础又常见的机器学习模型。一棵决策树(Decision Tree)是一个树结构(可以是二叉树或...

2019-04-12 11:38:11

逻辑回归——用来做分类的回归模型

目录回归模型做分类逻辑回归的目标函数实例及代码实现LR 处理多分类问题回归模型做分类LR 却是用来做分类的。它的模型函数为:设置z = 在二维坐标中形成 S 形曲线:上图中,z 是自变量(横轴),最终计算出的因变量 y(纵轴),则是一个 [0,1] 区间之内的实数值。一般而言,当 y>0.5时,z 被归类为真(True)或阳性(Posit...

2019-04-11 11:46:04

逻辑回归——非线性逻辑函数的由来

目录逻辑回归指数增长逻辑函数追本溯源的理论学习线性 VS 非线性逻辑回归今天我们要讲的模型叫做 Logistic Regression (LR),一般翻译为逻辑回归。LR 是一种简单、高效的常用分类模型——有点奇怪是吧,为什么名字叫做“回归”却是一个分类模型,这个我们稍后再讲。先来看看这个 LR 本身。LR 的模型函数记作:y=h(x),具体形式如下:hθ(...

2019-04-10 08:44:27

机器学习---朴素贝叶斯分类器——条件概率的参数估计

目录不再简单地将频率当作概率两个学派极大似然估计 (Maximum Likelihood Estimation, MLE)正态分布的极大似然估计用代码实现朴素贝叶斯模型参考资料不再简单地将频率当作概率已知朴素贝叶斯公式:P(C|F1,F2,…,Fn)=1ZP(C)∏ni=1P(Fi|C)其中,Fi表示样本的第 i 个特征,C 为类别标签。P(Fi|C) 表示样本...

2019-04-09 08:28:33

机器学习-----朴素贝叶斯分类器——从贝叶斯定理到分类模型

目录分类 vs 回归贝叶斯定理朴素贝叶斯分类器(Naïve Bayes Classifier)分类 vs 回归分类模型 VS 回归模型,最根本的不同:前者是预测一个标签(类型、类别);后者则是预测一个量。换一个角度来看,分类模型输出的预测值是离散值;而回归模型输出的预测值则是连续值。也就是说输入一个样本给模型,回归模型给出的预测结果是在某个值域(一般是实数域或其子集...

2019-04-08 17:44:00

机器学习--线性回归——梯度下降法求解目标函数

y = a + bx 的目标函数上一篇文章,我们解释了线性,本文我们回到求解线性回归目标函数的问题上。前面已知,线性回归的目标函数为:J(a,b)=12m∑mi=1(a+bx(i)−y(i))2J(a,b) 是一个二元函数。我们要求的是:两个参数 a 和 b 的值。要满足的条件是:a 和 b 取这个值的时候,J(a,b) 的值达到最小。我们现在就来用之前讲过的算法:梯度下降法,来...

2019-04-08 17:21:30

机器学习--模型的质量和评判指标

衡量模型质量通过训练得到模型后,我们就可以用这个模型,来进行预测了(也就是把数据输入到模型中让模型吐出一个结果)。预测肯定能出结果,至于这个预测结果是否是你想要的,就不一定了。一般来说,没有任何模型能百分百保证尽如人意,但我们总是追求尽量好。什么样的模型算好呢?当然需要测试。当我们训练出了一个模型以后,为了确定它的质量,我们可以用一些知道预期预测结果的数据来对其进行预测,把实际...

2019-04-04 09:52:49

机器学习--模型的获取和改进

目录获取模型的过程训练集、验证集和测试集训练的过程改进模型调参(算法)模型类型选择前面两篇文章,我们从直观的角度讲解了机器学习的最基本原理,并且解释了机器学习三要素:数据、算法和模型。“应用机器学习技术”这件事情,具体到微观的行为,其实就是:使用机器学习模型来预测数据,得到预测结果。然后,预测结果可能会作为下一步业务逻辑的依据。要使用机器学习模型,首先要获得它。...

2019-04-03 14:31:25

机器学习三要素之数据、模型、算法

目录数据向量空间模型和无标注数据有标注数据模型模型是怎么得到的?算法机器学习三要素包括数据、模型、算法。简单来说,这三要素之间的关系,可以用下面这幅图来表示:总结成一句话:算法通过在数据上进行运算产生模型。下面我们先分别来看三个要素。数据关于数据,其实我们之前已经给出了例子。源数据上一篇中,图1老鼠和其他动物和图2小马宝莉六女主就是现实中的两...

2019-04-03 11:05:16

查看更多

勋章 我的勋章
  • GitHub
    GitHub
    绑定GitHub第三方账户获取
  • 签到达人
    签到达人
    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 阅读者勋章Lv2
    阅读者勋章Lv2
    授予在CSDN APP累计阅读博文达到7天的你,是你的坚持与努力,使你超越了昨天的自己。
  • 专栏达人
    专栏达人
    授予成功创建个人博客专栏的用户。专栏中添加五篇以上博文即可点亮!撰写博客专栏浓缩技术精华,专栏达人就是你!
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 1024勋章
    1024勋章
    #1024程序员节#活动勋章,当日发布原创博客即可获得
  • 勤写标兵Lv2
    勤写标兵Lv2
    授予每个自然周发布4篇到6篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 分享精英
    分享精英
    成功上传11个资源即可获取