《李宏毅机器学习》课程中 逻辑回归 一节，: 李宏毅机器笔记 Logistic Regression（解释 LR 为什么不能用 square error ）.解析损失函数之categorical_crossentropy loss与 Hinge loss.categorical_crossentropy（交叉熵损失函数)交叉熵是用来评估当前训练得到的概率分布与真实分布的差异情况。它刻画...

有时候，需要获取动态数据，并实时绘图。比如从串口读取数据等等import matplotlib.pyplot as pltax = []# 定义一个 x 轴的空列表用来接收动态的数据ay = []# 定义一个 y 轴的空列表用来接收动态的数据plt.ion()# 开启一个画图的窗口for i in range(100):# 遍历0-99的值ax.append(i)

有时候需要把 shell 命令在 python 中执行，如果使用的方式的话，标准输出只会打印在屏幕上，没办法赋给变量，这时候就可以用subprocess来实现。

使用深度强化学习让机器人在仿真环境下学习各种高难度动作运动控制问题已经成为强化学习的标准基准，深度强化学习方法被证明适用于包括操纵和移动的多种任务。但是，使用深度强化学习训练的智能体通常行为不太自然，会出现抖动、步伐不对称、四肢动作过多等现象。而最近 BAIR 实验室将模仿真实动作片段与强化学习结合，令智能体能从参考动作片段中学习流畅和高难度的动作。2级标题...

参考：机器学习中的评估指标

一、题目描述甲乙射击比赛，单局甲胜率0.6，3局2胜和5局3胜两种赛制甲如何选择？无限多局，甲获胜概率？二、解题思路本题考查相互独立事件同时发生的概率.每局比赛只有两个结果，甲获胜或乙获胜，每局比赛可以看成是相互独立的.Cnm=Anmm!=n!m!(n−m)!C_{n}^{m}=\frac{A_{n}^{m}}{m !}=\frac{n !}{m !(n-m) !}Cnm​=m!Anm​​=m!(

这一题在我面试中遇到两次（均为2020年7月份），新浪的比较简单，字节的做了变形，具体看后面详细分析。1. 等概率输出0和11.1 题目描述有一个随机数发生器，以概率 P 产生0，概率 (1-P) 产生 1，请问能否利用这个随机数发生器，构造出新的发生器，以 1/2 的概率产生 0 和 1 。请写明结论及推理过程。变形：知随机数生成函数f()，返回0的概率是60%，返回1的概率是40%。根据f()

发现字节特别喜欢考概率题和开放题，倒是不怎么考 LeetCode了（算法岗）1. 投骰子连续两次是 6就停止，求投掷的次数的期望听面试官说可以用 动态规划，但是没有思路…使用马尔科夫链求解。记“当已经掷出x次1朝上时，直至出现连续2次1朝上所需的期望次数”为E(x)。则有：E(0) = 1 + 5/6 * E(0) + 1/6 * E(1)E(1) = 1 + 5/6 * E(0) + 1/6 *

一、标准化 / 归一化定义归一化和标准化经常被搞混，程度还比较严重，非常干扰大家的理解。为了方便后续的讨论，必须先明确二者的定义。首先定义常见的结构化数据表格，第一行的表头是表示各种特征，而后每一列表示某种特征的所有数值。无论标准化还是归一化都是针对某个特征（某一列）进行操作的。1. 归一化就是将训练集中某一列数值特征（假设是第 iii 列）的值缩放到0和1之间。方法如下所示：xi−min⁡(xi

《李宏毅机器学习》课程中 逻辑回归 一节，: 李宏毅机器笔记 Logistic Regression（解释 LR 为什么不能用 square error ）.解析损失函数之categorical_crossentropy loss与 Hinge loss.categorical_crossentropy（交叉熵损失函数)交叉熵是用来评估当前训练得到的概率分布与真实分布的差异情况。它刻画...