- 博客(23)
- 收藏
- 关注
RSS订阅原创 基于矢量的水下路由协议
路由过程中，使用了矢量路由和管道路由。矢量路由是从源节点到目的节点的直线，而路由管道是半径可调的圆柱体，具有矢量路由的中心性。数据包从源到目的地的路由由矢量路由确定。
2022-11-14 14:38:48
1507
4
原创 电影知识图谱实战踩坑记录RDF、SPARQL、D2RQ、SPARQL endpoint、Apache jena
只是记录踩坑，不负责讲解具体的实践步骤，具体的实践步骤参考：知识图谱-给AI装个大脑D2RQ Database connection to jdbc:mysql:///kg_moive failed (user: root): Could not create connection to database server. Attempted reconnect 3 times. Giving up. (E54)说明我们使用数据库数据生成mapping文件的语句有问题。应该为：generate-ma
2022-03-23 15:12:44
2295
4
原创 奇异值分解SVD
矩阵的奇异值分解（singular value decomposition，简称SVD）是线性代数中很重要的内容，并且奇异值分解过程也是线性代数中相似对角化分解（也被称为特征值分解，eigenvalue decomposition，简称EVD）的延伸。矩阵的奇异值分解是将一个矩阵分解为三个矩阵，公式为：其中：其中，矩阵P的大小为[mm]，列向量是AA^T的特征向量，也被称为矩阵A的左奇异向量（left singular vector）。矩阵Q的大小为nn，列向量是A^TA的特征向量，也被称为矩阵A
2021-11-29 15:04:16
827
原创 机器学习day15——推荐系统
假使我们是一个电影供应商，我们有 5 部电影和 4 个用户，我们要求用户为电影打分。下面引入一些标记：n???? 代表用户的数量n???? 代表电影的数量????(????,????) 如果用户 ???? 给电影 ???? 评过分则 ????(????,????) = 1????(????,????) 代表用户 ???? 给电影 ???? 的评分m????代表用户 ???? 评过分的电影的总数、前三部电影是爱情片，后两部则是动作片，我们可以看出 Alice 和 Bob 似乎更倾向与爱情片，
2021-10-27 13:10:30
317
原创 机器学习day14——异常检测
异常检测给定无标签的数据集，根据该数据集建模即p(x)，也就是说我们对x的分布概率建模，其中x是一些特征变量，之后对测试数据xtest预测得到概率P(xtest)，若该概率低于阈值ε，将其标记为异常。异常检测算法是一个非监督学习算法。上图中，在蓝色圈内的数据属于该组数据的可能性较高，而越是偏远的数据，其属于该组数据的可能性就越低。这种方法称为密度估计，表达如下：异常检测常用于欺诈检测。欺诈检测：????(????) = 用户的第 ????个活动特征通过模型????(????) < ??
2021-10-26 14:51:23
385
原创 机器学习day13——降维
第二种类型的无监督学习问题，称为降维。在机器学习中经常会碰到一些高维的数据集，而在高维数据情形下会出现数据样本稀疏，距离计算等困难，这类问题是所有机器学习方法共同面临的严重问题，称之为“ 维度灾难 ”。另外在高维特征中容易出现特征之间的线性相关，这也就意味着有的特征是冗余存在的，为了减少冗余或者数据空间需求 ，我们要对特征进行降维。动机①：数据压缩将数据从三维降至二维： 这个例子中我们要将一个三维的特征向量降至一个二维的特征向量。我们将三维向量投射到一个二维的平面上，强迫使得所有的数据都在同一个平
2021-10-23 18:50:56
206
原创 机器学习day12——聚类算法
无监督学习在一个典型的监督学习中，我们有一个有标签的训练集，我们的目标是找到能够区分正样本和负样本的决策边界，在这里的监督学习中，我们有一系列标签，我们需要据此拟合一个假设函数。与此不同的是，在非监督学习中，我们的数据没有附带任何标签，我们拿到的数据就是这样：在这里我们有一系列点，却没有标签，因此，我们的训练集可以写成只有????(1),????(2)……一直到????(????)，没有任何标签????。在非监督学习中，我们需要将一系列无标签的训练数据，输入到一个算法中，然后我们告诉这个算法，为我们找找
2021-10-21 20:33:31
467
原创 机器学习day11——支持向量机
优化目标与逻辑回归和神经网络相比，支持向量机，或者简称 SVM，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。
2021-10-16 22:08:24
353
原创 机器学习day10——机器学习的系统设计
以一个垃圾邮件分类器算法为例进行讨论。y=1表示垃圾邮寄，y=0表示非垃圾邮件。如何构造一个分类算法来区分垃圾邮件与非垃圾邮件呢？为了应用监督学习，首先考虑如何表示邮件的特征向量X？通过特征向量X和分类标签Y，我们就能训练一个分类器，比如使用逻辑回归的方法。选择邮寄的特征向量我们可以选择一个由 100 个最常出现在垃圾邮件中的词所构成的列表，根据这些词是否有在邮件中出现，来表达我们的特征向量（出现为 1，不出现为 0），尺寸为 100×1。比如词汇有：deal、buy、discount、na
2021-10-11 21:01:43
163
原创 机器学习day09——应用及建议
假如你在开发一个机器学习系统，或者想试着改进一个机器学习系统的性能，你应如何决定接下来应该选择哪条道路？减小假设函数误差仍然使用预测房价的学习例子，假如你已经完成了正则化线性回归，也就是最小化代价函数J的值，假如，在你得到你的学习参数以后，如果你要将你的假设函数放到一组新的房屋样本上进行测试，假如说你发现在预测房价时产生了巨大的误差，现在你的问题是要想改进这个算法，接下来应该怎么办？实际上你可以想出很多种方法来改进这个算法的性能，其中一种办法是使用更多的训练样本。但有时候获得更多的训练数据实际上并没有
2021-10-10 17:18:12
91
原创 机器学习day08——神经网络参数的反向传播算法
拟合神经网络参数的代价函数假设神经网络的训练样本有????个，每个包含一组输入????和一组输出信号????，????表示神经网络层数，???? ᵢ 表示每层的神经元个数，????˪表示输出层神经元个数)。将神经网络的分类定义为两种情况：二类分类和多类分类，二类分类：????˪ = 1, ???? = 0 ???????? 1表示哪一类；????类分类：????˪ = ????, ???????? = 1表示分到第 i 类；(???? >2)回顾在逻辑回归函数中我们的代价函数为：在逻辑回
2021-10-08 17:30:00
386
原创 机器学习day07——神经网络及其模型
非线性假设假设我们希望训练一个模型来识别视觉对象，比如识别图片内容是否是汽车。一种方法是我们利用很多汽车的图片和很多非汽车的图片，然后利用这些图片上一个个像素的值（饱和度或亮度）来作为特征。假如我们只选用灰度图片，每个像素则只有一个值（而非 RGB 值），我们可以选取图片上的两个不同位置上的两个像素，然后训练一个逻辑回归算法利用这两个像素的值来判断图片上是否是汽车：假使我们采用的都是 50x50 像素的小图片，并且我们将所有的像素视为特征，则会有2500 个特征，如果我们要进一步将两两特征组合构成
2021-09-25 17:50:52
574
原创 机器学习day06——过拟合、正规则化
欠拟合：算法没有很好的拟合数据，算法有较大的偏差 。 房子大到一定尺度时，房价变化幅度不大，但我们的房价模型函数为一元线性函数，房价永远随尺寸增加而增加，所以此算法并不能很好的拟合数据，称之为欠拟合。过拟合：算法具有高方差高阶多项式能拟合所有的数据，...
2021-09-22 21:40:06
108
原创 机器学习day05——logistic回归 简化代价函数与梯度下降
代价函数将cost分段函数整合成一个函数：即y=1时cost=−????????????(ℎ????(????))，y=0时cost=−????????????(1 − ℎ????(????))。代入代价函数得：梯度下降法在得到这样一个代价函数以后，我们便可以用梯度下降算法来求得能使代价函数最小的参数了。梯度函数原式：其中：将h代入代入J函数得：在将得到得J函数代入梯度下降函数得：虽然得到的梯度下降算法表面上看上去与线性回归的梯度下降算法一样，但是这里的ℎ????(????)
2021-09-19 18:58:09
176
原创 机器学习day04—— logistic regression逻辑回归、决策边界
分类分类的应用：垃圾邮件分类、良恶性肿瘤的判断等，只有是否两个选项，即只包含0、1两类的分类问题。通常不把线性回归应用到分类问题中。 线性回归中的假设函数取值会<0 or >1，而分类问题只有0，1。logistic回归特点：算法输出值或者说预测值一直介于0和1之间。被视为一种分类算法。模型：假设：其中： ???? 代表特征向量 ???? 代表逻辑函数（logistic function)是一个常用的逻辑函数为 S 形函数（Sigmoid function），公式为：用参数?
2021-09-15 21:40:08
229
原创 机器学习day3——多变量线性回归、正规方程
多变量即多个特征量。xⱼ 表示第j个特征值x ⁽ⁱ⁾ 表示第i个训练样本的输入特征值，x ⁽²⁾ 表示第2个训练样本的特征向量，2表示索引而不是平方x ⱼ ⁽ⁱ⁾ 表示第i个训练样本中第j个特征量的值假设函数梯度下降函数：特征缩放如果变量之间的取值范围相差过大，图形会呈现椭圆状，，且在梯度下降过程中，梯度值来回波动且过程较长；相反，如果你能确保这些特征都处在一个相近的范围，确保不同特征的取值在相近的范围内，这样梯度下降法就能更快地收敛。执行特征缩放的目的一般是将特征的取值约束到
2021-09-13 20:57:19
198
原创 机器学习day2——梯度下降
梯度下降不仅是最小化线性回归的代价函数J，还可以最小化其他函数。最小化任意函数学习率越大，θ导数的意义：α的意义：梯度函数在代价函数中的应用注意：有的函数具有局部最优解，有的只有全局最优解。图解梯度下降算法在代价函数中的应用:梯度下降算法每步都遍历了整个训练集。...
2021-09-11 21:37:41
68
原创 机器学习笔记day1——代价函数
跟着吴恩达老师学习机器学习的 第一天，呜呜呜呜呜，我好菜，加油加油！！!定义A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.简单来说就是在经验学习中改善具体算
2021-09-09 17:09:20
157
原创 windows下在VMare安装macOS并安装xcode 附多种坑的解决办法:macOS版本太低安装不上xcode，xcode一直running，安装tools
的地方人防
2019-09-22 10:25:20
6000
1
原创 前端CSS border实现三角形border-color
最近在写一个项目，然后想做一个带三角形的导航栏，然后突然发现自己还不知道前端怎么写出一个三角形（太菜了）。。。然后本来打算用canvas画一个出来的，发现有点大材小用？？？然后百度才发现可以直接用border设置出来，然后学习了一下，发现还挺有意思的大家平时都知道border是用来设置div边框的，但是一般都设置得很小，然后我们来看看当border变大后，有什么视觉效果**html**&...
2019-04-11 20:21:53
545
原创 Jquery+CSS实现 图片点击放大 z-index，transform，transition，append()
点击图片后，实现图片选中放大，视觉效果类似浮在所有图片上面思路所有图片的hover添加函数，用z-index让图片浮起来。具体实现先写好HTMLHTML<body> <!-- 用ul-li装载图片 --> <div class="max"> <ul> <li> <a href="#"&...
2019-04-01 15:56:23
774
原创 **JS练习**
1.实现点击按钮，多个元素变窄变色变高，再次点击恢复原样式，可以在不刷新页面的情况下一直实现此功能，且有变化的过渡效果（不是直接变化）**思路：**按钮点击触碰函数，判断调用函数的次数，奇数恢复样式，偶数变化样式。并且有时延。具体实现先写好变化前的基本样式HTML：/* 使用 通配符 取消元素默认值 */ *{ margin: 0; padding: 0; } ...
2019-03-03 12:49:00
672
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人