斯坦福公開課筆記,day10.30.18
1 一個線性查詢函式的泛型實現 example1: int lsearch (int key, int array[], int size) { for (int i =0; i< size; i++) { if (array[i] == key) { return i; } } return -1; } 相應的泛型實現: void* lsearch ( void* key, void* base, int n, int elemSize) { for (int i=0; i<n; i++) { void* elemAddr = (char*) base + i*elemSize ;//實現原來陣列中的地址偏移,(char *) 可以保證編譯不出錯 if (memcmp(key, elemAddr, elemSize) ==0) //使用記憶體比較函式 return elemAddr; } return NULL; }
相關推薦
斯坦福公開課筆記,day10.30.18
1 一個線性查詢函式的泛型實現 example1: int lsearch (int key, int array[], int size) { for (int i =0; i< size; i++) { if (array[i] == key) { r
斯坦福機器學習公開課筆記 十三 推薦系統
也歡迎大家轉載本篇文章。分享知識,造福人民,實現我們中華民族偉大復興! 授課老師:Andrew Ng1、problem formulation(問題產生)在平時購物的時候我們都會看到網站把向我們推薦的商品放在醒目位置,其實這就是推薦
斯坦福ML公開課筆記14——主成分分析
上一篇筆記中,介紹了因子分析模型,因子分析模型使用d維子空間的隱含變數z來擬合訓練資料,所以實際上因子分析模型是一種資料降維的方法,它基於一個概率模型,使用EM演算法來估計引數。 本篇主要介紹PCA(
斯坦福機器學習網易公開課筆記1
之前在coursera上看了Andrew Ng的機器學習課程,那個課程比較簡明,適合對機器學習有一個整體的印象,但是很多細節的內容和推導都忽略了。現在想要了解機器學習更多,所以開始看Andrew Ng在網易公開課上的機器學習課程,並對每一講整理筆記,以促使自己更好的理解和記
斯坦福機器學習公開課筆記(十五)--[應用]照片OCR技術
1、problem description and pipeline(問題描述和流水線) OCR是optical character recognition的縮寫,翻譯過來就是光學字元辨識。照片中的OCR技術其實就是識別中照片中存在的字元,例如下面這幅圖: 關於過程
斯坦福機器學習公開課筆記(十三)--推薦系統
授課老師:Andrew Ng 1、problem formulation(問題產生) 在平時購物的時候我們都會看到網站把向我們推薦的商品放在醒目位置,其實這就是推薦系統。現在考慮一個電影推薦系統的例子,我們擁有一些使用者對於一些電影的評分,如下: 從上面可以看到,使
斯坦福ML公開課筆記15—隱含語義索引、奇異值分解、獨立成分分析
斯坦福ML公開課筆記15 我們在上一篇筆記中講到了PCA(主成分分析)。PCA是一種直接的降維方法,通過求解特徵值與特徵向量,並選取特徵值較大的一些特徵向量來達到降維的效果。 本文繼續PCA的話題,包
斯坦福機器學習公開課筆記(一)--單變數線性迴歸
授課老師:Andrew Ng 1、model representation(建立模型) 考慮一個問題,如果給定一些房屋售價和房屋面積的資料,現在要預測給定其他面積時的房屋售價,那該怎麼辦?其實這是一個線性迴歸問題,給定的資料作為訓練樣本,用其訓練得到一個表示售價和麵積關
機器學習公開課筆記第九周之大數據梯度下降算法
機器學習 nbsp gradient min 三種 依次 再看 獲得 mini 一,隨機梯度下降法(Stochastic Gradient Descent) 當訓練集很大且使用普通梯度下降法(Batch Gradient Descent)時,因為每一次\(\theta\)
廣義線性模型 - Andrew Ng機器學習公開課筆記1.6
sans luci art 能夠 tro ron 便是 import grand 在分類問題中我們如果: 他們都是廣義線性模型中的一個樣例,在理解廣義線性模型之前須要先理解指數分布族。 指數分
從零到一學習計算機視覺:朋友圈爆款背後的計算機視覺技術與應用 | 公開課筆記...
分享人 | 葉聰(騰訊雲 AI 和大資料中心高階研發工程師)整 理 | Leo出 品 | 人工智
基於知識圖譜的人機對話系統 | 公開課筆記
2018年11月8-11日,CSDN與矽谷AI社群AICamp聯合舉辦的2018 AI開發者大會將在北京召開。屆時來自Google、Amazon、Facebook、微軟、LinkedIn、百度、阿
MIT線性代數公開課筆記(Lec9:線性相關性、基、維數)
“向量組”:線性相關性、生成空間、作為“基”。 “維數”:一個具體的數值。 對於矩陣A,AX = 0,且矩陣A的行數m小於列數n(即未知數n大於方程數m) 有推論:方程AX= 0有非零解。reason:對於A做消元得到階梯矩陣As,As必包含有不少於一個的自由變數。 一、
SAP公開課筆記:基於HANA的軟體開發
第一章 通過OData暴露和消費資料的基礎架構 這章的內容很簡單。在開始真正開始開發之前,回顧了一下第一章所提到過的傳統軟體開發架構和使用XS架構的區別。值得記下來的是ICM是整個架構的一部分。 SAP internet communication manager(ICM)
Stanford Machine Learning 公開課筆記(1) Linear Regression
最近在Coursera上學習Stanford的Andrew Ng的Machine Learning公開課,也做筆記,寫作業。記錄一下我的筆記。大部分是課堂視訊截圖,形式比較醜,主要用來幫助自己回憶一些內容。 寫完程式設計作業(主要用octave來實現,和matlab語法很像)之後,發現寫作業並且在系統中提
機器學習公開課筆記(8):k-means聚類和PCA降維
K-Means演算法 非監督式學習對一組無標籤的資料試圖發現其內在的結構,主要用途包括: 市場劃分(Market Segmentation) 社交網路分析(Social Network Analysis) 管理計算機叢集(Organize Computer Clusters) 天文學資料分析(A
機器學習公開課筆記(7):支援向量機
支援向量機(Support Vector Machine, SVM) 考慮logistic迴歸,對於$y=1$的資料,我們希望其$h_\theta(x) \approx 1$,相應的$\theta^Tx \gg 0$; 對於$y=0$的資料,我們希望$h_\theta(x) \approx 0$,相應的$\
機器學習公開課筆記(1):機器學習簡介及一元線性迴歸
初步介紹 監督式學習: 給定資料集並且知道其正確的輸出應該是怎麼樣的,即有反饋(feedback),分為 迴歸 (Regressioin): map輸入到連續的輸出值。 分類 (Classification):map輸出到離散的輸出值。 非監督式學習: 給定資料集,並不知道其正確的輸出是什麼,
機器學習公開課筆記(6):應用機器學習的建議
應用機器學習的建議 1. 評估學習演算法 在實際中應用學習演算法時,如何評估一個學習演算法的好壞?進一步地,如果學習的演算法的效果不太好,如何改進學習演算法?例如,對於一個簡單的線性擬合模型,改進演算法效果的策略包括: 採用更多的訓練例項訓練模型 採用更小的特徵集合 增加額外的特徵 嘗試高次項
機器學習公開課筆記(10):大規模機器學習
批梯度下降 (Batch Gradient Descent) 以線性迴歸為例,用梯度下降演算法進行引數更新的公式為$$\theta_j=\theta_j-\alpha\frac{1}{m}\sum\limits_{i=1}^{m}(h_\theta(x^{(i)})-y^{(i)})x_j^{(i)}$$可