2 3 4 5 6 7 8 9 10 11 12 13 14

前言：把某个环境引入jupyter的方法 跳转 https://blog.csdn.net/Ever_____/article/details/136596213 # 加载数据 Dataset类 把文件转化为torch的数据集对象，类似于写一个脚本 123456789101112131415161718192021222324from torch.utils.data import Dataset

1 2 3 4

1 基本语法 12345678910111213141516171819202122232425262728293031323334353637383940%变量无需声明x = 5; % 赋值一个标量 y = [1 2 3]; % 赋值一个行向量 z = [1; 2; 3]; % 赋值一个列向量 A = [1 2; 3 4]; % 赋值一个矩阵%矩阵运算B = A * [1

写在前面：这是针对2024春cau《面向对象的程序设计》以及我个人的学习积累整理的笔记，其中大纲的整理受到了https://blog.csdn.net/chenlong_cxy/article/details/127166206 的启发 (一)c++基础 1.1数据类型 相比于c多了一个bool（基本数据类型） ## 1.2命名空间 在C++编程中，命名空间是一种特性，用于将代码进行逻辑分组，以避

声明：取机器学习中约定俗成的写法，下文中的 log即ln 逻辑回归 y值仅有两种结果0/1，我们要做的是分类数据。(二元分类问题) 引入sigmoid函数 $$g(z)=\frac1{1+e^{-z}}\quad{0<g(z)<1} $$ 考虑到矢量性，我们引入这样一个逻辑回归函数 $$f_{\overrightarrow{\mathrm{w}},b}(\vec{\mathrm{x}}

多维情况下矢量化 在实际情境中，预测一个y值通常需要很多x值，因此上一节公式可以改写为 fw⃗, b(x⃗) = w1x1 + w2x2 + · · · + wnxn + b 也即 fw⃗, b(x⃗) = w⃗ · x⃗ + b 我们可以定义两个矢量 12345import numpy as npw=np.array([1,2,1,2])x=np.array([3,4,5,6])b=2f=np.

ng-机器学习week1 监督学习 通过展示数据和正确输出来训练的学习方法， 监督学习算法：回归，分类（预测结果0/1） 无监督学习 聚类算法：坐标图上数据并不知道类别，但是明显有分类–寻找集群 数据集中第i对数据记作 (x(i), y(i)) 用线性函数f(x)拟合y x关系 f(x) = wx + b 代价函数 引入这样一个函数 $$J(w,b)=\frac{1}{2m} \sum_{i=1}

问题描述 拼接碎纸片成为完整的纸片，问题难度循序渐进，分为三个 - 一张写有汉字的纸纵切成19条，要求复原 - 一张写有汉字的纸，一张写有英文的纸分别横纵切为1119个块，要求分别复原 - 一张双面写有汉字的纸，横纵切为1119个块，要求区分开正反面复原 可以人工干预，各个片(条)没有旋转，边缘信息保留较好。 处理思路 Q1 step1 将19个条建立对应的灰度值矩阵，（考虑）转化为0,1矩阵

特征选择算法 我们希望选择具有良好分类能力的特征，为此我们引入信息增益来衡量不纯度 设X是取有限个值的随机变量，则概率分布为 P(X = xi) = pi,  i = 1, 2, ⋯, n 定义随机变量X的熵为 $$H(X)=-\sum_{i=1}^np_i\log p_i$$ log以2为底时，熵的单位是比特，以e为底时，熵的单位是纳特。 若随机变量只取两个值(伯努利分布)，熵可以写为关于p的函