卷积神经网络
在之前的文章里,对28 X 28的图像,我们是通过把它展开为长度为784的一维向量,然后送进全连接层,训练出一个分类模型.这样做主要有两个问题
图像在同一列邻近的像素在这个向量中可能相距较远。它们构成的模式可能难以被模型识别。
对于大尺寸的输入图像，使用全连接层容易造成模型过
标签：人工智能
1.背景作为国内领先的出行大数据公司，高德地图拥有众多的用户和合作厂商，这为高德带来了海量的出行数据，同时通过各个渠道，这些用户也在主动地为我们提供大量的反馈信息，这些信息是需要我们深入挖掘并作用于产品的，是高德地图不断进步和持续提升服务质量的重要手段。
本文将主要介绍针对用户反馈的文本情
信息熵为什么要定义成-Σp*log(p)？
在解释信息熵之前，需要先来说说什么是信息量。
信息量是对信息的度量，单位一般用bit。
信息论之父克劳德·艾尔伍德·香农(Claude Elwood Shannon )对信息量的定义如下：
在解释这个公式之前，先看看下面的例子。
比如一个黑箱里
（这幅图来自https://github.com/apachecn/ai-roadmap/tree/master/ds-metromap）
从图中可以看到，想要成为一名资深的数据科学家，需要掌握的知识非常多，不过只是入门机器学习，并不需要所有东西都要会，都精通的话就是
卷积神经网络，在图像识别和自然语言处理中有很大的作用,讲cnn的中文博客也不少,但是个人感觉说的脉络清晰清晰易懂的不多.
无意中看到这篇博客,写的很好,图文并茂.建议英文好的直接去看原文.英文不好的就直接看我这篇,算是读后总结吧.原文里对数学原理的着墨不多,在这篇文章里我会留着相
1.PAT B1001：害死人不偿命的(3n+1)猜想
卡拉兹(Callatz)猜想：
对任何一个正整数 n，如果它是偶数，那么把它砍掉一半；如果它是奇数，那么把 ( 砍掉一半。这样一直反复砍下去，最后一定在某一步得到 n=1。卡拉兹在 1950 年的世界数学家大会上公布了这个猜想，传说当
机器学习的专业术语非常多，不需要一开始理解所有的专业术语，这些术语会随着对机器学习的深入，会慢慢理解，水到渠成。
不过在学习的过程中，有一些概念必须要了解，有助于后续的学习与理解，需要了解的核心概念有：监督学习、无监督学习、模型、策略、算法等。
监督学习
监督
AlexNet
AlexNet是2012年提出的一个模型,并且赢得了ImageNet图像识别挑战赛的冠军.首次证明了由计算机自动学习到的特征可以超越手工设计的特征,对计算机视觉的研究有着极其重要的意义.
AlexNet的设计思路和LeNet是非常类似的.不同点主要有以下几点:
激活函数由s
递归与分治策略
递归与分治策略是五大常见算法策略之一，分治策略的思想就是分而治之，即先将一个规模较大的大问题分解成若干个规模较小的小问题，再对这些小问题进行解决，得到的解，在将其组合起来得到最终的解。而分治与递归很多情况下都是一起结合使用的，能发挥出奇效（1+1>2），这篇文章我们将
分析体测成绩
需求：
体侧成绩转变成分数
开卷考试
excel完成可以
pandas读取excel代码中 完成
一个手输入
进一步，画图，分布，体重正常，肥胖，偏瘦比例，绘制饼图
男生跑步1000成绩，不及格，及格，中等，良好，优秀，柱状图绘制
导包、读取文件
import n
]]>]]>]]>
1 引言¶
在展开数据分析工作时，我们经常会面临两种困境，一种是原始数据中特征属性太少，“巧妇难为无米之炊”，很难挖掘出潜在的规律，对于这种情况，我们只能在收集这一环节上多下功夫；另一种困境刚好相反，那就是特征属性太多，这真
红黑树的概念，这里不做阐述。网上一抓一大把。本文仅以个人的理解介绍一下红黑树自平衡的过程。
红黑树的性质：
性质1：每个节点要么是黑色，要么是红色。
性质2：根节点是黑色。
性质3：每个叶子节点（NIL）是黑色。
性质4：每个红
VGG
AlexNet在Lenet的基础上增加了几个卷积层,改变了卷积核大小,每一层输出通道数目等,并且取得了很好的效果.但是并没有提出一个简单有效的思路.
VGG做到了这一点,提出了可以通过重复使⽤简单的基础块来构建深度学习模型的思路.
论文地址:https://arxiv.org/ab
反向传播算法详细推导
反向传播（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。
反向传播算法实战
本文仅仅是反向传播算法的实现，不涉及公式推导，如果对反向传播算法公式推导不熟悉，强烈建议查看另一篇文章神经网络之反向传播算法（BP）公式推导（超详细）
我们将实现一个 4 层的全连接网络，来完成二分类任务。网络输入节点数为 2，隐藏 层的节点数设计为：25、50和25，输
关注「 IT老兵哥 」，赋能程序人生。本系列前序文章索引：
程序员为什么必须要懂架构？
架构到底是什么，你知道吗？
架构都有哪些，我该怎么选？
架构师都干什么，你知道吗？
练就哪些技能才胜任架构师？
怎样才能搞定上下游的客户？
人生就像射箭，如果连箭靶都找不到，那每天的拉弓又有何意义呢？本
2018自然语言处理研究报告整理
这篇文章是阅读AMiner《2018自然语言处理研究报告》前几篇内容整理所得。
一. 自然语言处理概述
自然语言处理就是要计算机理解自然语言，计算机要理解自然语言文本的意义，最后能以自然文本形式来表达意图。处理过程主要是理解、转化、生成。
自然语言的理
参考资料：吴恩达教授机器学习课程机器学习课程中文笔记
Week2
一. 多变量线性回归(Linear Regression with Multiple Variables)
多变量就时当一个example里有n个特征的情况，将n个特征统一到一个matrix里去看作整体。
多变量线性回归
参考资料：吴恩达教授机器学习课程机器学习课程中文笔记
Week 1
一. 引言
机器学习模型可分为监督学习Superviese learning（每个数据集给出了正确的值）和无监督学习Unsupervised learning（数据集只有特征，没有对应正确的值）
机器学习处理的问题可以
1007 素数对猜想 (20分)
题目地址：https://pintia.cn/problem-sets/994805260223102976/problems/994805317546655744
输入格式：
输入在一行给出正整数N。
输出格式：
在一行中输出不超过N的满足猜想的素数对
客服
