声明，这个系列基本是我自己的一些学习过程，方便我自己后期复习的！线性分类器主要由两个部分组成：一个是评分函数（scorefunction），它是一个从原始图像到类别分值的映射函数。另一个是损失函数（lossfunction）也叫代价函数（costfunction），它是用来量化预测得到的分类标签的得分与真实标签之间的一...

线性结构：一、概念线性结构作为最常用的数据结构，其特点是数据元素之间存在一对一的线性关系。线性结构拥有两种不同的存储结构，即顺序存储结构和链式存储结构。顺序存储的线性表称为顺序表，顺序表中的存储元素是连续的，链式存储的线性表称为链表，链表中的存储元素不一定是连续的，元素节点中存放数据元素以及相邻元素的地址信息。线性结构...

　　如果用矩阵表示一个有解的方程组，那么矩阵经过消元后，最终能变成一个上三角矩阵U。用一个三元一次方程组举例：　　A经过一些列变换，最终得到了一个上三角矩阵U： 　　回代到方程组后可以直接求解： 　　如果上面的变换去掉增广矩阵，可以简写为：　　矩阵的初等变换可以用矩阵乘法实现，现在的问题是，我们能否...

1）求解线性不定方程　　ax+by=c　　先求出一组解，然后考虑如何表示通解，设d=gcd(a,b),假设c不是d的倍数，则左边是d的倍数而右边不是，则方程无解，所以方程有解当且仅当d|c.　　设c=c'*d,我们先考虑方程 ax+by=d,这样由扩展gcd便可求出一组解（x',y'),则（c'x',c'y'...

参考：《复杂数据统计方法——基于R的应用》吴喜之在生存分析中，研究的主要对象是寿命超过某一时间的概率。还可以描述其他一些事情发生的概率，例如产品的失效、出狱犯人第一次犯罪、失业人员第一次找到工作、青少年第一次吸毒等等。生存函数S(t)：S(t)=P(T>t)=1-P(T<=t),t&...

随机森林（可用于分类和回归） 随机森林主要应用于回归和分类。随机森林在运算量没有显著提高的前提下提高了预测精度。 1、简介随机森林由多棵决策树构成，且森林中的每一棵决策树之间没有关联，模型的最终输出由森林中的每一棵决策树共同决定。处理分类问题时，对于测试样本，森林中每棵决策树会给出最终类别，最后综合...

 　　方差膨胀系数(varianceinflationfactor，VIF)是衡量多元线性回归模型中复(多重)共线性严重程度的一种度量。它表示回归系数估计量的方差与假设自变量间不线性相关时方差相比的比值。　　多重共线性是指自变量之间存在线性相关关系，即一个自变量可以是其他一个或几个自变量的线性组合。若存在多重...

对于一般的回归问题，给定训练样本D={(x1,y1),(x2,y2),...,(xn,yn)},yi€R,我们希望学习到一个f（x）使得，其与y尽可能的接近，w，b是待确定的参数。在这个模型中，只有当发f(x)与y完全相同时，损失才为零，而支持向量回归假设我们能容忍的f(x)与之间最多有ε的偏...

%关于线性调频信号（LFM）%参考书目：声呐技术，第二章P33clc;closeall;clearall;%参数----------------------------------f0=1000;T=5;%时宽，时间总长B=10;%带宽fs=100;%采样频率Ts=1/fs;%采样时间间隔N=T/Ts;%采样点个数k=...

主讲人戴玮（新浪微博:@戴玮_CASIA）Wilbur_中博(1954123) 20:00:49 我今天讲PRML的第十二章，连续隐变量。既然有连续隐变量，一定也有离散隐变量，那么离散隐变量是什么？我们可能还记得之前尼采兄讲过的9.2节的高斯混合模型。它有一个K维二值隐变量z，不仅只能取0-1两个值...

回归测试，即就是在软件生命周期中，只要软件发生了改变，就可能给该软件产产生问题;所以，每当软件发生变化时我们就必须重新测试现有的功能，以便确定修改是否达到了预期的目的，检查修改是否破坏原有的正常功能。回归测试可以发生在任何一个阶段，包括单元测试、集成测试和系统测试 那我们改如何做回归测试呢？ 总结为...

前言:   以下内容是个人学习之后的感悟，转载请注明出处~ 总结:  回归属于监督学习的一种的方法, 从连续的数据中得到模型,然后将该数据模型进行预测或者分类. 线性回归模型把数据通过画图画出来,如果是下面这样的,那么他就适合于线性回归,&...

　　线性表链式存储结构的特点是：用一组任意的存储单元存储线性表的数据元素（这组存储单元可以是连续的，也可以不连续）。　　根据线性表练市存储的特点可知，数据表示包括2部分：数据本身+指示其直接后继的信息；即节点=数据域+指针域。　　n个节点链接成一个链表（又称线性链表或单链表），即为线性表（a1,a2,....,an）的...

由于tensorflow2.0版本的更新，很多以前版本上提到的图等概念都不再适用。为了跟上时代的步伐，顺便扎实一下深度学习的基础，从今天开始记录一下学习过程。要想开始深度学习，首先必不可少的就是数学基础了，虽然tensorflow提供了一系列不需要太深的数学基础就可以使用的现成的函数，但是总吃表面的东西确实没法深入理解...

一元一阶线性拟合：假设存在一条线性函数尽量能满足所有的点：y=ax+b.对所有点的的公式为：  残差值β=实际值y-估计值y，β应尽量小，当β=0时，则完全符合一元线性方程：y=ax+b   通过最小二乘法计算残差和最小： &nb...