发简信
IP属地：加州
-
-
-
机器学习面试之有必要手推SVM吗（1）？1 单刀直入，先回答有必要吗？ 最近和许多朋友交流，发现当前机器学习应聘时，手推SVM这道题已经越来越像快速排序一样，成为必点菜了。 那么，手推SVM是不是必要的呢？正反双方...
-
Django简易教程之一（models）说明1：本文翻译自Django官方文档Writing your first Django app, part 1。 说明2：本文中，采用django 1.8以及Python ...
-
支持向量机(Support Vector Machines-SVM)算法笔记(一)-Python本文主要是学习支持向量机的算法原理，并且用Python来实现相关算法。内容包括：SVM概述、线性可分支持向量机、线性支持向量机、非线性不可分向量机、核函数、核技巧、SMO、K...
-
Python数据结构实现Bitmap
Bitmap bitmap是很常用的数据结构，比如用于Bloom Filter中；用于无重复整数的排序等等。bitmap通常基于数组来实现，数组中每个元素可以看成是一系列二进...
-
一款Android音乐播放器【仿点唱机】PYPlayer 一款简洁的Android本地音乐播放器 高仿点唱机音乐播放器 链接地址：点唱机 此APP仅供学习使用!!!【如构成侵权请及时通知我修改或删除】 PYPlay...
-
从最大似然到EM算法浅解转载 http://blog.csdn.net/zouxy09 EM算法是一种迭代算法，用于含有隐含变量的概率模型参数的极大似然估计，或极大后验概率估计。EM算法的每次迭代由...
-
如何感性地理解EM算法？
如果使用基于最大似然估计的模型，模型中存在隐变量，就要用EM算法做参数估计。个人认为，理解EM算法背后的idea，远比看懂它的数学推导重要。idea会让你有一个直观的感受，从...
-
算法导论 第15章 动态规划《算法导论》这门课的老师是黄刘生和张曙，两位都是老人家了，代课很慢很没有激情，不过这一章非常有意思。更多见：iii.run 前言： 书中列举四个常见问题，分析如何采用动态规划...
-
Naive Bayes补充
特征F1出现时，样本被分为C类的概率。先验概率：P(C) 从训练样本计算C类所占的比例证据：P(F1) 从训练样本集中统计出现F1样本的概率似然估计：已知样本集为C类，求出...
-
Naive Bayes拼写纠正器
A为输入的单词 B为预测输出的单词。对于输入的模糊单词A，比如有10个和A的编辑距离为1或2的单词满足条件，则统计这10个单词在一个大型语料库中出现的概率，出现概率最高的单...
