字符串的匹配在平常的编码过程中非常常用，在编程语言中通常是调用一个内置函数就可以实现字符串的匹配，当不让使用内置的函数，而是自己编写一个函数来实现匹配的功能，应该如何来写呢？...
发简信
IP属地：江苏
-
字符串朴素匹配算法和KMP算法 -
链表介绍及python的实现
链表是线性表的一种实现方式，它的基本想法是： 将表中的元素分别存放在各个独立的存储区内，存储区又称为结点； 在表中，可以通过任意结点找到与之相关的下一个结点； 在前一个结点上...
-
在大数据下应用机器学习算法
大量的数据对机器学习算法的研究很有帮助，当我们直到算法有较高的方差（variance）时，增加m会有助于改善算法。但是当m很大时，比如m=100,000,000时，在这种情况...
-
-
推荐系统和协同过滤算法
推荐系统是目前非常流行的机器学习应用。特征值对机器学习是非常重要的，而对特征值的选择会直接影响到算法的好坏，推荐系统能够自动帮助学习一些优良的特征值，帮助更好的实现算法。 举...
-
异常检测（Anomaly Detection）异常检测（Anomaly Detection）是机器学习算法的一个常见应用。它主要用于非监督学习，但又类似一些监督学习问题。 异常检测常用在对网站异常用户的检测；还有在工程上...
-
-
核函数的概念以及在SVM上的应用高斯核函数 激励函数中 现在准备用新的特征值 来替换 将定义为两个向量的相似度： 例如，有一个标记向量，某个样本的特征向量和其的相似度为： PS： 是 x向量的范数。 该核函...
-
支持向量机算法（SVM）介绍在解决复杂的非线性分类问题时，除了逻辑回归和神经网络，还有一种更为强大的算法：叫做支持向量机（Support Vector Machines），简称SVM。 代价函数 在分类...
-
查准率（Precision）和召回率（Recall）在处理分类问题时，会遇到一种情况： 假设一个二元分类问题：假设我们的预测算法是：，这个算法忽略特征值，不管任何情况下都是预测等于0。 毫无疑问这是一个糟糕的算法，但是在测试集...
-
-
神经网络的反向传播算法的使用
参数展开 在神经网络中，我们有一些参数矩阵，例如： 有时为了使用方便，需要将这些矩阵统一到一个向量中去 这样就合并了三个矩阵，假如 是一个的矩阵，是一个的矩阵，是一个的矩阵则...
-
神经网络代价函数和反向传播算法定义一些参数： = 神经网络的层数 = 层的单元数，但不包括偏差单元 = 输出层的单元数，二元分类是1，大于二的就是k 逻辑回归的代价函数为： 神经网络的代价函数： 是一个K...
-
-
过拟合（Overfitting）和正则化（Regularized）在应用线性回归和逻辑回归去解决某些机器学习的实际应用时，它们可能会出现一种叫做“过度拟合”（Overfitting）的问题。这会使得学习的结果很糟糕。 什么是过拟合 用预测房...
-
关于逻辑回归模型的梯度下降算法
逻辑回归的代价函数： 与线性回归一样，它的梯度下降算法类似： 重复直到收敛 {} 计算后会得到： 计算后得到的和线性回归的看上去没有区别，但是两者的不同。线性回归的是：逻辑回...