本文聚焦图片中三根红线红点位置的精确检测这一问题。此前纯 RNNs 检测准确率低，促使尝试 CNN 与 RNNs 结合。采用代码合成的数据集，含 15000 张左右图片，有不同噪音情况，且搭配记录位置的 csv 文件。整体思路为先以 CNN 提取特征，再由 RNN 保持长时依赖，进而预测红点位置。但在图片长 1080、低噪声环境下，CNN+GRU 和 CNN+LSTM 结构效果欠佳，不仅难实现像素

    我们知道ftp传输文件方便，并且还可以设置账号密码登录。ftp登录时有复选框用于选择记住密码，在勾选之后每次登录就可以直接进入自己的账号的ftp了。本文提供退出已登录此账号，切换到其他账号的方法。    其实并不难，只需要在已登录的账号的空白处右键选择登录就OK了    重新输入账号密码即可...

为什么我们经常提到我们喜欢斜率容易计算、平滑连续、适合做误差函数的原因也在这里，面对含绝对值的或者是不连续的函数，在梯度下降求梯度时我们很难求导或者求导后会在某个范围不停波动无法接近最优解。三个结点可以完成一次异或操作，隐藏层有两个节点，一次异或操作可以作为2元的结果，把2元的结果编程下一个异或的其中之一输入，那么就可以通过加3个结点两层再多加入一元。所以不止需要一个隐含层。我们观察上图，误差对于

说在搜索的关键词比较火爆时，搜索结果中会出现Load more results，这意味着我们之前爬取的数据并不完全。我将在这篇博客中解决这个bug。这个网站的获取新闻的参数传递主要是靠From Data完成的，那这个Load more data前的新闻数据也应该是根据这个传入的参数获取的，这就意味着只要我们修改了合适的参数，就可以显示我们想要的新闻数量了。......

解决python爬虫爬到的结果与网页原版的html源码不一致的问题。内容包括从网页的Fetch/XHR中获取数据，使用POST请求获取数据，json格式的数据转换，简单的Excel操作。遇到的bug有：urllib报400: Bad Request；data无法以合适的格式传入requests。...............

主要内容分为理论推导和代码实现以及面试宝典三个部分。理论推导主要是贝叶斯的推导以及朴素贝叶斯计算实例。代码实现包括手动实现朴素贝叶斯和sklearn调用，实例有3个，分别对应离散型诗句和连续型数据两种情况。面试宝典是一部分《机器学习》中的课后习题和一些面试题。

先明确了BP、BP神经网络、MLP的概念，讨论了三者的区别和联系。之后用pytorch搭建多层感知机神经网络，这部分主要针对新手小白，以实战为主。内含2023年美赛春季赛Y题改变回归实例和一个反骗保欺诈分类实例。

假设一个空间中有一堆散点，线性回归的目的就是希望用一条直线，最大程度地“概括”这些散点。它不要求经过每一个散点，但是希望能考虑到每个散点的特点。按照西瓜书的例子就是，好瓜的评判标准y可以由xi​表示，也就是说，fgood​(x)=w1​x色泽​+w1​x根蒂​+w1​x敲声​+b。

主要内容分为理论推导和代码实现两个部分。理论推导包括手动推导逻辑回归原理、梯度下降法求解、牛顿法求解三块。代码实现包括逻辑回归代码实现；梯度下降法、随机梯度下降法、牛顿法、sklearn包 4种方法求解逻辑回归问题。

主要内容分为理论推导和代码实现以及面试宝典三个部分。理论推导主要是SVM的原理以及线性SMO算法的推导，也提了一下核函数和软间隔的理论，在推导之前还引入了拉格朗日乘子法、超平面、对偶问题的介绍。代码实现包括sklearn调用，有几个对应实例。面试宝典是一部分《机器学习》中的课后习题和一些《百面机器学习》的面试题，由公式推导和理论解答。