​目录一、常见方法与其核心二、这几种常见方法的优缺点和适用情况三、朴素贝叶斯分类器和逻辑回归的互通四、二分类到多分类五、类别不平衡问题一、常见方法与其核心1、线性判别分析以一种基于降维的方式将所有的样本映射到一维坐标轴上，然后设定一个阈值，将样本进行区分，映射依据为：类间间距大，类内间距小。以二分类为例：目标式：最大化——最终结果：详见线性判别分析(LDA)详解_tt丫的博客-CSDN博客_线性判

###################全连接网络定义部分########################def __init__(self, num_input, num_output): # 全连接层初始化# 参数初始化def forward(self, input): # 前向传播计算# 全连接层的前向传播，计算输出结果self.output = np.matmul(self.input,se

深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。目录一、NNLM的网络结构分析二、NNLM的代码实现一、NNLM的网络结构分析神经网络语言模型NNLM是概率语言模型，它通过神经网络来计算概率语言模型中每个参数。模型如图所示模型输入：，即输入的是的前n-1个词模型输出：根据这已知的 n- 1 个词预测下一个词其中上图：语料库的词向量表示

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。目录一、背景知识二、unity3d中一些常用的旋转角表示方法及其含义1、this.transform.rotation（属性变量）2、this.transform.eulerAngles3、this.transform.localEulerAngles4、Quaternion.identity（

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、图像分割简介与分类????图像分割：把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标。简单来说就是把图像中的对象分割出来????常用方法：基于阈值的分割方法；基于区域的分割方法；基于边缘的分割方法；基于特定理论的分割方法等（本篇只说明利用神经网络实现的图像分割方法）????图像分割

无监督学习中最常见的即为聚类学习。聚类学习是按照某种特定标准(如距离等)把一个数据集划分为不同的类或簇（子集），使得同一个簇内的数据对象的相似性尽可能大，不在同一个簇中的数据对象的差异性也尽可能地大（即聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离）。这些划分后的概念对于聚类算法而言是未知的，簇所对应的概念语义需要我们自行接着探索，所以经常聚类被用作分类等其他学习任务的前驱过程。其中，u代

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。

深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。目录文章目录一、提出原因1、堆叠网络造成的问题2、解决深度网络的退化问题二、残差结构三、Resnet网络结构1.原理分析2、结构分析3、代码分析（内含分析和注释）一、提出原因1、堆叠网络造成的问题传统的想法是如果我们堆叠很多很多层，或许能让网络变得更好。然而现实却是：堆叠网络后网络难以收

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、单变量线性回归1、符号规定m: 表示训练集的样本的数量；x: 表示输入变量（特征量），表示输入的特征；y: 表示输出变量（目标变量），也就是我们的预测结果；（x,y）：表示一个训练样本；（x（i），y（i））：为了表示每个训练样本，我们使用x上标（i）和y上标（i）来表示，表示第i个训练样本

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、图的相关概念1、图表示多对多的关系一组顶点，通常用V(Vertex)表示顶点集合一组边，通常用E(Edge)表示边的集合，边是顶点对，分为有向边和无向边下图即为图。2、无向图和有向图????无向图：边没有方向的图。（即从A可以直接到B，B也可以直接到A）????有向图：边有方向的图。（即从A