一、程序及函数1.引导脚本ex7_pca.m%% Machine Learning Online Class%Exercise 7 | Principle Component Analysis and K-Means Clustering%%Instructions%------------------------------------------------------------%%This

西电计科大数据方向机器学习课程复习笔记

  学校思政实践要收集1500份问卷，待在家里无聊就简单写了个用selenium模块实现的自动填写问卷xing问卷的小程序。  基本思路很简单：  1.先打开问卷的网址，按F12进开发者模式分析页面HTML，找到题目的选项按钮对应的HTML代码（例如：Q1的四个选项按钮都在a标签内，且rel属性值分别为q1_1,q1_2,q1_3,q1_4）；  2.在py中用slenium的find_eleme

实验内容1. 将指定数据区的字符串数据以ASCII码形式显示在屏幕上，并通过DOS功能调用完成必要提示信息的显示。2. 在屏幕上显示自己的学号姓名信息。3. 循环从键盘读入字符并回显在屏幕上，然后显示出对应字符的ASCII码，直到输入”Q”或“q”时结束。4. 自主设计输入显示信息，完成编程与调试，演示实验结果。流程图实验源码data segmentstringdb'Name:I❥XDU; ID:

逻辑回归（Logistic Regression）是一种用于解决二分类（0 | 1）问题的机器学习方法，用于估计某事件发生的可能性。比如某用户购买某商品的可能性，某病人患有某种疾病的可能性，以及某广告被用户点击的可能性等。那么逻辑回归与线性回归是什么关系呢？逻辑回归与线性回归都是一种广义线性模型。逻辑回归假设因变量 y 服从伯努利分布，而线性回归假设因变量 y 服从高斯分布。 因此与线性回归有很多

  Andrew Ng在他的机器学习课程中讲述bp神经网络时，并没有深究这算法背后的推导过程，只是给了我们一个大体的执行步骤，实现了这个算法但却不知道这个算法背后的原理是件很痛苦的事。在看了知乎、csdn、简书后发现有很多人采用矩阵求偏导之类的推导步骤。诚然，这么干可以使公式变得很紧凑，在编程时也能有效减少代码行数，提高运行效率，但是矩阵形式的推导有两个小小的不足：  1. 矩阵、向量的求导、求偏

1.为conda配置清华源打开cmd输入以下命令：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda c

Matlab实现sift特征检测+图像拼接共有12个m文件，其中main为主程序，点击运行即可。一、部分代码示例close all;clear;clc;im1=imread('test3.png');im2=imread('test4.png');gray1=img2gray(im1);gray2=img2gray(im2);[des1,loc1]=sift(gray1);[des2,loc2]=

逻辑回归（Logistic Regression）是一种用于解决二分类（0 | 1）问题的机器学习方法，用于估计某事件发生的可能性。比如某用户购买某商品的可能性，某病人患有某种疾病的可能性，以及某广告被用户点击的可能性等。那么逻辑回归与线性回归是什么关系呢？逻辑回归与线性回归都是一种广义线性模型。逻辑回归假设因变量 y 服从伯努利分布，而线性回归假设因变量 y 服从高斯分布。 因此与线性回归有很多

对于本实验的距离计算而言，我测试了(1) 使用朴素的平方再开根求距离，(2) 使用np.linalg.norm(x - y)求距离，(3) 使用numba+平方再开根求距离，(4) 使用numba+np.linalg.norm求距离这四种求距离的方法，并且比较了它们求解两点距离的速度，发现使用np.linalg.norm比原始方法快30%，而。在corel数据集上实现LSH(局部敏感哈希)索引，并