Pre-Demo-Field

DeamoV's Blog


  • 首页

  • 分类

  • 关于

  • 归档

  • 标签

  • 搜索

命运的一些思考

发表于 2018-10-06 | 分类于 读书笔记
| 字数统计 1805 | 阅读时长 9

命运的一些思考

在听了吴军老师的《硅谷来信 311~314》期的内容后有一些小小的感悟。我们的未来,也就是命运是由什么决定的呢,这个问题困扰我多年。今天就来记录下自己的所思所想。

阅读全文 »

显示键盘按键 - Keycastr

发表于 2018-10-05 | 分类于 软件使用
| 字数统计 197 | 阅读时长 0

显示键盘按键 - Keycastr

前言

最近写 VIM 专栏需要显示能够实时显示按键顺序的插件,其中 Keycastr 这个 Github 的开源项目使用的最舒心,安装也是最方便,特意留个档记录下。

安装

  1. 很简单,使用 brew 安装即可。
    1
      brew cask install keycastr
    
  2. 在安装好了以后,给这个程序权限即可
阅读全文 »

Mac OS下 安装Scapy后出现的YCM报错

发表于 2018-09-18 | 分类于 TroubleShoot
| 字数统计 61 | 阅读时长 0

起因

Mac OS 安装了 Scapy 后,在 YouCompleteMe 中出现如下报错:

1
X:ValueError: unknown locale: UTF-8 in Python

解决方案

添加如下代码到配置环境变量文件(zsh 或者 bash)

1
2
export LC_ALL=en_US.UTF-8
export LANG=en_US.UTF-8
阅读全文 »

关于设置YouCompleteMe Python3语法支持

发表于 2018-09-16 | 分类于 TroubleShoot
| 字数统计 116 | 阅读时长 0

问题描述

YouCompleteMe 只能支持 Python2 的补全,不支持 Python3 库的补全。

阅读全文 »

Python 交互模式下自动补全

发表于 2018-09-15 | 分类于 Python
| 字数统计 238 | 阅读时长 1

前言

有时候我们需要测试一个小功能,懒人如我完全不愿意新建一个 python 文件去测试,但是默认的 python 交互模式下没有代码补全就很恼火,今天就把它解决了。

阅读全文 »

支持向量机的补充之核函数

发表于 2018-09-13 | 分类于 机器学习
| 字数统计 616 | 阅读时长 3

在之前的SVM章节中我们介绍了其具体的原理和大致推导过程,但是由于SVM只能应用于线性可分的数据,那么如果出现了线性不可分的情况怎么办呢,这就要引入今天的重点核函数。这种思想将在未来的深度学习中也会出现。

阅读全文 »

Vim作者对高效使用编辑器的建议

发表于 2018-09-02 | 分类于 Vim
| 字数统计 1012 | 阅读时长 5

原文链接:《Seven Habits of Effective Text Editing》

前言

本文摘自Vim主要作者Bram Moolennar的2000年11月在其个人网站发布的提高文本编辑效率的7个方法,个人认为从工具作者那里学习如何使用工具是最好的学习方式。本篇文章重点介绍了,达到高效使用编辑器的方法。

阅读全文 »

集成学习

发表于 2018-08-24 | 分类于 机器学习
| 字数统计 4704 | 阅读时长 23

集成学习

集成学习一句话版本

集成学习的思想是将若干个学习器(分类器&回归器)组合之后产生新的学习器。

在学习这一章节中,老师提到了这个说法,我觉得非常言简意赅就直接引用了过来。集成学习算法的成功在于保证若分类器(错误率略小于0.5,即勉强比瞎猜好一点)的多样性,且集成不稳定的算法也能得到一种比较明显的提升。

注:深度学习其实也可以看作是一种集成学习

阅读全文 »

贝叶斯算法

发表于 2018-08-19 | 分类于 机器学习
| 字数统计 1954 | 阅读时长 9

知识前置

这个章节的机器学习,其实更像是一种概率论的学习,同时这也是机器学习和数据分析中非常重要的一环。如果学习遇到了困难非常推荐参考张宇考研概率论部分的内容。同时这一章的算法,也是在文本分类中使用的比较多的。

名词解释:

  • 先验概率:$P(A)$
  • 条件概率:$P(A|B)$
  • 后验概率:$P(B|A)$
  • 全概率:$P(B) = \sum_{i=1}^n P(A_i)*P(B|A_i)$
  • 贝叶斯公式:$P(A|B) = \frac{P(A)P(B|A)}{\sum_{i=1}^n P(B|A_i)P(A_i)}$

概率分布:

  • 高斯分布:简单的来说它的分布呈现的是正态分布的样子。参考链接
  • 伯努利分布:伯努利分布是0-1分布,简单的来说就是那种仍硬币的概率分布。参考链接
  • 多项式分布:是伯努利分布的推广,不再是只有两种情况,有多种情况的概率分布。参考链接

贝叶斯算法的核心思想:

找出在特征出现时,各个标签出现的概率,选择概率最大的作为其分类。

阅读全文 »

聚类算法(下)

发表于 2018-08-19 | 分类于 机器学习
| 字数统计 3580 | 阅读时长 17

聚类算法上中讲了大名鼎鼎的K-Means算法及其优化变种,在这篇中几种讲述两位两种不同思路的聚类算法。

阅读全文 »
1 … 7 8 9
DeamoV

DeamoV

90 日志
21 分类
55 标签
RSS
Github Twitter
Links
  • J-Cabin
© 2025 DeamoV
由 Jekyll 强力驱动
主题 - NexT.Muse