若用线性函数作为神经元激活函数则无法处理复杂的非线性问题。激活函数在神经网络中的作用相当于每个神经元都在进行对率回归学习率控制着梯度下降的搜索步长，学习率过大收敛过程容易发生振荡，学习率过小收敛速度过慢https://blog.csdn.net/victoriaw/article/details/78075266https://blog.csdn.net/snoopy_yuan/article/d

由决策树生成过程可知，不含冲突数据对结点标记有两种情况，一、划分后数据集为同一类则结点标记为该类的叶节点，二、划分后数据集中的属性相同则标记为数据集中类别最多的类。这样所有属性相同的样本最终标记必定会一样，即必存在误差为0的决策树。训练误差不一定能代表泛化误差，若以最小训练误差作为决策树划分选择准则会容易导致过拟合，泛化性能差4.3编程实现id34.4编程实现CART...

闲时完善-------------------------------------------------------------------------------------------------------------------8.1 假设抛硬币正面朝上的概率为p，反面朝上的概率为1 - p. 令H(n)代表抛n次硬币所得到正面朝上的次数，则最多k次正面朝上的概率为\[p(H(n) \l

很弱智的问题，但是困扰了我半天，记录下来帮助跟我一样的新手朋友。hadoop配置好后到浏览器访问http://x.x.x.x:50070/后却没有发现Browse Directory，hdfs浏览。解决办法非常简单：鼠标选择最后一栏如图就出现了。。。。...

7.1 试使用极大似然法估算西瓜数据集3.0中前3个属性的类条件概率.      即求属性为X={色泽, 根蒂, 敲声}，c={是, 否}，的类条件概率P(x|c)根据西瓜书P149.极大似然法,同理假设P(x|c)具有确定的形式并且被参数向量θc唯一确定。根据公式可得题目转化为求：$$LL(\mathop \theta \nolimits_C ) = \sum\limits_{x \in \ma

7.1 试使用极大似然法估算西瓜数据集3.0中前3个属性的类条件概率.      即求属性为X={色泽, 根蒂, 敲声}，c={是, 否}，的类条件概率P(x|c)根据西瓜书P149.极大似然法,同理假设P(x|c)具有确定的形式并且被参数向量θc唯一确定。根据公式可得题目转化为求：$$LL(\mathop \theta \nolimits_C ) = \sum\limits_{x \in \ma