【漫漫科研路\Python&Tikz】画神经网络相关图前一篇文章【图解例说机器学习】神经网络中，由于篇幅有限，我们只介绍了其理论部分。作为补充，本文主要介绍文中所有图像的绘制(使用Tikz或者Python)。对于神经网络中的框架图 (例如神经元，神经网络结构)，我们采用Tikz绘制；对于坐标系的函数图像，我们采用Python绘制。注意：Tikz源代码需要在LaTeX中运行，其配置环境可以参

神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。--Kohonen, 1988一层神经网络：感知机与逻辑回归M-P神经元模型1943年，McCulloch和Pitts提出了沿用至今的M-P神经元。在这个模型中，神经元接收来自其他MMM个神经元传递过来的输入信号x(j),j=1,2,⋯ ,Mx^{(j)},j=1,2,\cdots

神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。--Kohonen, 1988一层神经网络：感知机与逻辑回归M-P神经元模型1943年，McCulloch和Pitts提出了沿用至今的M-P神经元。在这个模型中，神经元接收来自其他MMM个神经元传递过来的输入信号x(j),j=1,2,⋯ ,Mx^{(j)},j=1,2,\cdots

在我们日常生活中，我们经常会遇到使用到预测的事例，而预测的值一般可以是连续的，或离散的。比如，在天气预报中，预测明天的最高温，最低温(连续)，亦或是明天是否下雨(离散)。在机器学习中，预测连续性变量的模型称为回归(Regression)模型，比如标准的线性回归，多项式回归；预测离散型变量的模型称为分类(Classification)模型，比如这里要介绍的逻辑回归和以后要提到的支持向量机(SVM)等

kNN (k-nearest neighbor)的定义针对一个测试实例，在给定训练集中，基于某种距离度量找到与之最近的k个实例点，然后基于这k个最邻近实例点的信息，以某种决策规则来对该测试实例进行分类或回归。由定义可知，kNNkNNkNN模型包含三个基本要素：距离度量、k值选择以及决策规则。再详细描述这三要素之前，我们先用一个样图来简单描述kNNkNNkNN分类模型的效果。我们以二维平面...

决策树是一种非参数的有监督的学习方法，可以用来分类和回归，即分类决策树，回归决策树。分类决策树，可以看成是if–then规则的集合，树的每一个中间节点就是一个特征，用来if–then规则的判断，树的每一个叶子节点就是最终的分类结果。基本思想：决策树就是一个，递归地选择最优特征，并根据该特征对训练数据集进行划分，使得对各个子数据集有一个最好的分类，的过程。训练数据集的划分过程就是决策树的构建过程。.

线性回归之于机器学习，正如Hello World之于编程语言，也如MINST之于深度学习。首先，我们先定义一些即将用到的数学符号：NotationsMeaningNotationsMeaningMMMNumber of parameters w\mathrm wwNNNNumber of instancesX={x1,x2,⋯ ,xN}T\mathrm ...

感知机是二分类的线性分类模型，是神经网络和支持向量机的基础。引例一个常见的线性二分类问题如下：图1如图1，假设有一个线性可分的训练集，其中有三个样例 (x1,x2,x3\mathrm x_1,\mathrm x_2, \mathrm x_3x1​,x2​,x3​)，分别标记为正例(红色方块)，反例(蓝色圆圈)。这里的 x(1),x(2)x^{...

QStatusBar类提供一个水平条来显示状态信息。所谓状态信息，拿个简单的例子来说，当你在word中编辑时，左下角就会出现页面、字数等等信息。状态信息可以分为三类：临时信息，如一般的提示信息；正常信息，如页数；永久信息，如版本信息。QMainWindow中默认提供了一个状态栏。我们可以使用showMessage()来显示一个临时消息，它会出现在状态栏的最左边。我们一般用addWidget()将一

由于导师项目的需要，需要画图，二维+三维。三维图我用的是Qt+opengl，二维图我决定使用qwt工具库来加快我的项目进展，毕竟还有期末考试。关于Qt+opengl的使用有时间的话以后再介绍。    首先我们说说QWT是什么？下面是百度百科的介绍：QWT，全称是Qt Widgets for Technical Applications，是一个基于LGPL版权协议的开源项目， 可