西电李航

支持向量机 - 5 - SMO算法

声明：        1，本篇为个人对《2012.李航.统计学习方法.pdf》的学习总结，不得用作商用，欢迎转载，但请注明出处（即：本帖地址）。        
xueyingxue001·2016-04-27 15:00

支持向量机 - 4 - 非线性支持向量机与核函数

声明：        1，本篇为个人对《2012.李航.统计学习方法.pdf》的学习总结，不得用作商用，欢迎转载，但请注明出处（即：本帖地址）。        
xueyingxue001·2016-04-27 15:00

支持向量机 - 1 - 准备知识和介绍

声明：        1，本篇为个人对《2012.李航.统计学习方法.pdf》的学习总结，不得用作商用，欢迎转载，但请注明出处（即：本帖地址）。        
xueyingxue001·2016-04-27 15:00

叫醒你的，是梦想，还是Q币？（我的腾讯实习校招全经历）

长文慎入先简单说说自己的情况西电本科，通信工程，学渣一枚，软硬件技术均仅限于能跟行外人忽悠的水平。
文刀Van_Sword·2016-04-25 00:50

手把手实现AdaBoost算法

手把手实现AdaBoost算法标签：机器学习Python主要参考资料：PeterHARRINGTON.机器学习实战[M].李锐,李鹏,曲亚东,王斌译.北京:人民邮电出版社,2013.李航.统计学习方法[
xuelabizp·2016-04-24 20:00

XDU-1139 猴子吃桃 II (水~斐波那契数列求和) From 西电校赛网络赛

XDU-1139猴子吃桃II(水~斐波那契数列求和)题目链接题意：若桃子无限提供，第i个猴子可分到F(i)个桃子（斐波那契数列），当n个桃子被猴子瓜分掉，求分到最多的猴子的位置和桃子数（相等输出靠前），考虑前两种情况a[i]+t\a[i-1]\a[i-2]，如n=3，应该输出11#include"iostream" usingnamespacestd; longlongsum,a[100],i;
no_alternantive·2016-04-24 09:00

XDU-1138 Z1+Z2 (水~复数相加) From 西电校赛网络赛

XDU-1138Z1+Z2(水~复数相加)题目链接题意：复数相加#include"stdio.h" intmain(){ inta1,b1,a2,b2; while(~scanf("%d+%di",&a1,&b1)){ scanf("%d+%di",&a2,&b2); printf("%d+%di\n",a1+a2,b1+b2); } return0; }
no_alternantive·2016-04-24 09:00

2016西电校赛网络赛 Problem I 万神的竞赛

ProblemI万神的竞赛现有n门竞赛,万神可以参加每门竞赛至多1次。参加第i门竞赛会花费万神wi点体力,并增加万神的智商vi点。万神共有W点体力,那么万神通过参加竞赛,至多能增加多少智商呢?输入格式输入包含多组数据(至多20组,其中大数据不超过10组),请处理到文件结束。每组数据,第1行包含2个整数n,W,用空格分割。之后n行,第i行包含整数wi,vi,用空格分割。保证0≤n≤1000,0≤W≤
Dextrad_ihacker·2016-04-22 14:00

2016西电校赛网络赛 Problem J 万神的数列

ProblemJ万神的数列万神一天闲着无聊,在纸上写下了一个数列,包含n个整数a1···an,并计算出了它们的和万神打乒乓球时,不慎弄丢了原来的数列。但是万神的脑子很好,因此他很快回忆出了S的准确值,以及每个数字的大致范围,即第k个数字满足不等式lk≤ak≤rk。万神希望恢复出原来的数列。但他正忙于华为软件精英挑战赛中的NP完全问题,没功夫处理简单的P类问题,因此要求你帮他恢复原来的数列。若不存在
Dextrad_ihacker·2016-04-22 14:00

2016西电校赛网络赛 Problem H 数学题

ProblemH数学题有好多人自称喜欢数学,一有数学题来了跑的比谁都快。然而,万神认为这些人naive,于是出了一道数学题卡他们。题目很简单:设T是Tribonacci数列,求对109+7取模的结果。Tribonacci数列的定义见http://oeis.org/A000213。(Tribonaccinumbers:a(n)=a(n-1)+a(n-2)+a(n-3)witha(0)=a(1)=a(
Dextrad_ihacker·2016-04-22 14:00

2016西电校赛网络赛 Problem G 合并模板

ProblemG合并模板XDUFate有n个ACM/ICPC比赛的模板,每个都是一个独立的PDF文件。为了便于打印,万神希望将这些模板合并成一个PDF文件。万神有一个工具,可以将至多k个PDF文件合并为1个,合并后的文件大小是原来k个文件的大小之和。万神发现,这个工具每次运行的时间正比于输出文件的大小。设每输出1KB需要1单位时间,那么万神至少要多少时间才能合并完所有的文件呢?输入格式输入文件包含
Dextrad_ihacker·2016-04-22 14:00

2016西电校赛网络赛 Problem F 方格填数

ProblemF6方格填数问题描述万神在纸上画了一个3×3的表格,希望把1···9填入表格中,每个数只填一次。然而,这样会有9!=362880种不同的填数方案。万神觉得方案太多了,于是又写下9个正整数a1···a9,并规定填数方案合法的充要条件是:对于表格中任意一对相邻的数x,y,必须满足ax和ay互质,即它们的最大公约数是1。那么,还有多少种合法的填数方案呢?相邻定义为两个数所在的格子有公共边。
Dextrad_ihacker·2016-04-20 20:00

2016西电校赛网络赛 Problem E 删除字符

ProblemE问题描述万神需要生成两个串a、b,使得a不包含任何在b中出现过的字符。现在万神已经有两个串A、B,他希望令b=B,然后将所有在b中出现过的字符从A中删掉,以得到a。输入格式输入包含多组数据(至多100组),请处理到文件结束。每组数据只有1行,包含串A、B,用空格分割。保证A、B只包含小写字母,且1≤|A|,|B|≤105。输出格式对于每组数据输出1行。若a=∅,则输出“EMPTY”
Dextrad_ihacker·2016-04-20 20:00

2016西电校赛网络赛 Problem D 抢人头

ProblemD抢人头问题万神和亮亮在打LoL。为了刷钱,他们一起去打野。然而,他们都想补最后一刀(这样才能拿到钱),所以争吵起来。最终,他们约定对怪进行轮流攻击(万神先攻击)。万神一次攻击给野造成x点伤害,亮亮一次攻击给野造成y点伤害。假定野怪的血量是a,而且野怪肯定打不过万神和亮亮,那么谁能补到最后一刀呢?若在某人某次攻击前怪的血量大于0,攻击后怪的血量小于等于0,就认为是这个人补到了怪的最后
Dextrad_ihacker·2016-04-20 20:00

2016西电校赛网络赛 Problem C 寻找万神

ProblemC问题某人在教育学弟时说:“电院的万神,比你们高的不知道哪里去了,我和他谈笑风生!”但是学弟tooyoung,toosimple,根本不认识万神,只好自己到百度上搜。为了衡量搜索结果和万神的相关程度,学弟希望知道一篇文章中“万神”二字出现的次数。你能帮助他吗?输入格式输入包含多组数据,请处理到文件结束。每组数据,第一行包含整数n,表示这组数据的行数。之后n行表示学弟搜到的文章。为了避
Dextrad_ihacker·2016-04-20 20:00

2016西电校赛网络赛Problem B 猴子吃桃 II

ProblemB猴子吃桃II问题现有n个桃子,无限可列个小猴子去领桃子吃。在桃子足够的情况下,排在第i位的小猴子领F(i)个桃子,这里F是Fibonacci数列。若轮到第i个小猴子时,剩余的桃子不到F(i)个,它就获得所有剩余的桃子,第i+1个及以后的小猴子就要挨饿了。万神希望某只小猴子能拿到最多的桃子,那么这只猴子应该排在第几个位置,又能吃到几个桃子呢?Fibonacci数列的定义见http:/
Dextrad_ihacker·2016-04-20 19:00

2016西电校赛网络赛 Problem A z1+z2

ProblemAz1+z2问题已知两个复数z1,z2,万神希望知道z1+z2。因为被杜神坑过,万神非常讨厌浮点精度问题,所以他保证这两个复数的实部和虚部都是109以内的非负整数。输入格式输入包含多组数据(不超过100组),请处理到文件结束。每组数据只有1行,包含z1,z2,用空格分割。保证z1,z2的形式严格满足a+bi,且a,b都是整数,0≤a,b≤109。输出格式对于每组数据输出1行,包含z1
Dextrad_ihacker·2016-04-20 19:00

西电网络赛 - G

#include #include #include usingnamespacestd; /**************************************************************************************************************** 画外音（学神满早上说用贪心，然后想了一天没想出来，晚上打球回来WC的时候竟然想出
qq_28300479·2016-04-17 21:00

西电网络赛 - D

#include usingnamespacestd; /**************************************************************************************************************** 水题，水过去 ***************************************************
qq_28300479·2016-04-17 21:00

西电网络赛 - E

#include #include #include usingnamespacestd; /**************************************************************************************************************** 题意：给定两个串s,s1,在s中删除所有在s1中出现的字符 思路： 1，至今没有
qq_28300479·2016-04-17 21:00

西电网络赛 - C

#include usingnamespacestd; /**************************************************************************************************************** 题意：在主串中寻找子串出现的个数 思路： 1，千万别用两个for，绝对超时 2，用书上的算法或者KMP，不会KMP。
qq_28300479·2016-04-17 21:00

西电网络赛 - B

#include #include usingnamespacestd; /**************************************************************************************************************** 题意：大致就是求费波纳茨数列各项值以及求和 思路： 1，思路不难，但是容易超时 2，别每次都去求数
qq_28300479·2016-04-17 21:00

西电网络赛 - A

#include usingnamespacestd; /****************************************************************************************************************** 思路：别用字符串读入，利用输入输出 **************************************
qq_28300479·2016-04-17 21:00

logistic回归详解(二）：损失函数（cost function）详解

再加上一个偏置项x0,则每个样本包含n+1维特征：x=[x0,x1,x2,⋯,xn]T其中x∈Rn+1,x0=1,y∈{0,1}李航博士在统计
bitcarmanlee·2016-04-15 23:51

logistic回归详解(二）：损失函数（cost function）详解

再加上一个偏置项x0,则每个样本包含n+1维特征：x=[x0,x1,x2,⋯,xn]T其中x∈Rn+1,x0=1,y∈{0,1}李航博士在统计
bitcarmanlee·2016-04-15 23:00

[置顶] 声明

MachineLearning——AndrewNg(Coursera)        机器学习基石——林轩田(Coursera)        机器学习技法——林轩田(Coursera)        《统计学习方法》——李航著
u014641813·2016-04-07 23:00

期望最大化算法

〇、说明在看到的资料里，包括周志华教授的《机器学习》[1]、李航博士的《统计学习方法》[2]，大多数材料把期望最大化算法看做是一个解决含有隐变量优化问题的算法，我认为这是对期望最大化算法的狭义理解；而在吴军博士的
Herbert002·2016-04-05 15:48

书单

Mitchell中文版和英文本可以对照看，有配套在线课程，书比较老（书的补充章节和勘误）另一本年代新一点的MachinelearningAProbabilisticPerspective2）统计学习方法李航
cutie吖·2016-04-01 22:06

Machine Learning第六周笔记一：评估学习算法和bias/variance

博客已经迁移到Marcovaldo’sbolg(http://marcovaldong.github.io/)入坑机器学习近一个月，学习资料主要是李航的《统计学习方法》、PeterHarrington的
Marcovaldo·2016-04-01 21:01

Machine Learning第六周笔记一：评估学习算法和bias/variance

博客已经迁移到Marcovaldo’sbolg:http://marcovaldong.github.io/入坑机器学习近一个月，学习资料主要是李航的《统计学习方法》、PeterHarrington的《
MajorDong100·2016-04-01 21:00

李航《统计学习方法》摘录

1、统计学习以数据为研究对象，是数据驱动的学科2、目的是对数据进行预测与分析3、基本假设是同类数据具有一定的统计规律性4、考虑--学习什么样的模型、如何学习模型、尽可能提高学习效率5、包括：监督学习、非监督学习、半监督学习、强化学习特征空间：每一维对应于一个特征假设空间：输入空间到输出空间的映射的集合（例如假设决策函数是输入变量的线性函数，那么模型的假设空间就是所有这些线性函数构成的函数集合）模型
u013656914·2016-03-30 22:00

统计学习方法 李航---第6章 逻辑回归与最大熵模型

第6章逻辑回归与最大熵模型逻辑回归(logisticregression)是统计学习中的经典分类方法。最大嫡是概率模型学习的一个准则将其推广到分类问题得到最大熵模型(maximumentropymodel)。逻辑回归模型与最大熵模型都属于对数线性模型。6.1逻辑回归模型定义6.1(逻辑分布)：设X是连续随机变量，X服从逻辑斯谛分布是指X具有下列分布函数和密度函数式中，u为位置参数，r>0为形状参数
demon7639·2016-03-30 09:29

统计学习方法 李航---第4章 朴素贝叶斯法

第4章朴素贝叶斯法朴素贝叶斯(naiveBayes)法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出Y。4.1朴素贝叶斯法的学习与分类基本方法朴素贝叶斯法通过训练数据集学习X和Y的联合概率分布P(X,Y)。具体地，学习以下先验概率分布及条件概率分布。先验概
demon7639·2016-03-30 09:24

统计学习方法 李航---第5章 决策树

第5章决策树决策树(decisiontree)是一种基本的分类与回归方法。本章主要讨论用于分类的决策树。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性，分类速度快。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策树模型
demon7639·2016-03-30 09:00

统计学习方法 李航---第1章 统计学习方法概论

第一章统计学习方法概论 统计学习的主要特点是:(1)统计学习以计算机及网络为平台，是建立在计算机及网络之上的;(2)统计学习以数据为研究对象，是数据驱动的学科；(3)统计学习的目的是对数据进行预测与分析；(4)统计学习以方法为中心，统计学习方法构建模型并应用模型进行预测与分析;(5)统计学习是概率论、统计学、信息论、计算理论、最优化理论及计算机科学等多个领域的交叉学科，并且在发展中逐步形成独自的理
demon7639·2016-03-30 09:00

统计学习方法 李航---第11章 条件随机场

第11章条件随机场条件随机场(conditionalrandomfield,CRF)是给定一组输入随机变量条件下另一组输出随机变量的条件概率分布模型，其特点是假设输出随机变量构成马尔可夫随机场。条件随机场可以用于不同的预测问题，本章主要讲述线性链(linearchain)条件随机场在标注问题的应用，这时问题变成了由输入序列对输出序列预测的判别模型，形式为对数线性模型，其学习方法通常是极大似然估计或
demon7639·2016-03-30 09:00

统计学习方法 李航---第8章 提升方法

第8章提升方法提升(boosting)方法是一种常用的统计学习方法，应用广泛且有效。在分类问题中，它通过改变训练样本的权重，学习多个分类器，并将这些分类器进行线性组合，提高分类的性能。基本思想：对于分类问题而言，给定一个训练样本集，求比较粗糙的分类规则(弱分类器)要比求精确的分类规则(强分类器)容易得多。提升方法就是从弱学习算法出发，反复学习，得到一系列弱分类器(又称为基本分类器)，然后组合这些弱
demon7639·2016-03-30 09:00

统计学习方法 李航---第2章 感知机

第2章感知机感知机(perceptron)是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1二值。感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面，属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化求得感知机模型。2.1感知机模型定义(感知机)：假设输入空间(特征空间
demon7639·2016-03-30 09:00

统计学习方法 李航---第10章 隐马尔可夫模型

第10章隐马尔可夫模型隐马尔可夫模型(hiddenMarkovmodel,HMM)是可用于标注问题的统计学习模型，描述由隐藏的马尔可夫链随机生成观测序列的过程，属于生成模型。10.1隐马尔可夫模型的基本概念定义10.1(隐马尔可夫模型)隐马尔可夫模型是关于时序的概率模型，描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列，再由各个状态生成一个观测而产生观测随机序列的过程。隐藏的马尔可夫链随机
demon7639·2016-03-30 09:00

统计学习方法 李航---第7章 支持向量机

第7章支持向量机支持向量机(supportvectormachines,SVM)是一种二类分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器；支持向量机还包括核技巧，这使它成为实质上的非线性分类器。支持向量机的学习策略就是间隔最大化，可形式化为一个求解凸二次规划(convexquadraticprogramming)的问题，也等价于正则化的合页损失函数的最小化问。支持向量机的学习算法是
demon7639·2016-03-30 09:00

统计学习方法 李航---第4章 朴素贝叶斯法

第4章朴素贝叶斯法朴素贝叶斯(naiveBayes)法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出Y。4.1朴素贝叶斯法的学习与分类基本方法朴素贝叶斯法通过训练数据集学习X和Y的联合概率分布P(X,Y)。具体地，学习以下先验概率分布及条件概率分布。先验概
demon7639·2016-03-30 09:00

统计学习方法 李航---第9章 EM算法及其推广

第9章EM算法及其推广EM算法是一种迭代算法，用于含有隐变量(hiddenvariable)的概率模型参数的极大似然估计，或极大后验概率估计。EM算法的每次迭代由两步组成：E步，求期望(expectation)；M步，求极大(maximization)，所以这一算法称为期望极大算法(expectationmaximization algorithm)，简称EM算法。9.1 EM算法的引入 一般地，
demon7639·2016-03-30 09:00

统计学习方法 李航---第12章 统计学习方法总结

第12章统计学习方法总结1适用问题分类问题是从实例的特征向量到类标记的预测问题；标注问题是从观测序列到标记序列(或状态序列)的预测问题。可以认为分类问题是标注问题的特殊情况。分类问题中可能的预测结果是二类或多类；而标注问题中可能的预测结果是所有的标记序列，其数目是指数级的。 感知机、k近邻法、朴素贝叶斯法、决策树是简单的分类方法，具有模型直观、方法简单、实现容易等特点；逻辑斯谛回归与最大熵模型、支
demon7639·2016-03-30 09:00

《统计学习方法》笔记（1）：重要概念

最近读李航博士的《统计学习方法》，获益良多。开篇李博士着重于基本概念和整体体系的介绍，本文仅就我自己的理解将个人认为重要的内容记述如下。1、什么是监督学习和非监督学习？
峰峰jack·2016-03-29 17:16

《统计学习方法》笔记（1）：重要概念

最近读李航博士的《统计学习方法》，获益良多。开篇李博士着重于基本概念和整体体系的介绍，本文仅就我自己的理解将个人认为重要的内容记述如下。 1、什么是监督学习和非监督学习？
elecjack·2016-03-29 17:00

西电后街的小炒泡馍

对的，您猜的没错，杨老板就是西安人，又在西电混迹了多年，在我的活动地图范围内，他能够找到一百家好吃的馆子，西电后街的伊真牛
格瓦斯不是格瓦拉·2016-03-27 14:42

2016体育年乐视豪赌体育营销的底气何在？秀肌肉 大投入的生态营销能炸响吗？ | 推介

又是签约欧洲豪门，又是拉来明星、小鲜肉做节目，还联合巴西电视台，乐视对体育的大笔投入，底气何在？为什么花这么大价钱？它的玩法是怎样的？今天我们就来聊聊。
创业家·2016-03-25 00:00

(3)搜索与机器学习_李航博士_新浪博客

机器学习在互联网搜索中的应用下面介绍一些基于统计机器学习的最前沿的互联网搜索技术。 排序学习对给定的查询语句，将检索到的网页进行排序是排序学习的任务。排序学习将此问题形式化为监督学习的问题，将网页表示为特征向量，其中特征表示网页与查询语句的匹配程度或网页的重要度，基于标注数据学习一个排序模型。现在最常用的方法是LambdaMART[1]。该方法将排序问题转换为二类分类问题，利用Boosting算法
·2016-03-24 00:00

CS229的简单梳理（待续）

1，首先是logistic回归Andrew的logistic函数和李航书上的并不相同，Andrew的分母是负指数，考虑到是由GLM推导过来的，所以信Andrew的。
qiusuoxiaozi·2016-03-21 09:00

k近邻法(k-nearest neighbor)

kNN在李航的《统计学习方法》中的描述如下：给定一个训练数据集，对新的输入实例，在数据集中找到与该实例最近邻的k个实例，这k个实例的多数属于某个类，就把该输入实例分为这个类。
xuelabizp·2016-03-19 16:00
上一页 48 49 50 51 52 53 54 55 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他