【程序1】
题目:有1、2、3、4个数字,能组成多少个互不相同且无重复数字的三位数?都是多少?
typedef
和#define
功能的共同点例如:
1 |
表示预处理器用BYTE
替换unsigned char
1 | typedef unsigned char BYTE |
表示编译器给类型unsigned char
起了一个别名BYTE
通过 Matplotlib,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率谱,条形图,错误图,散点图等。
Matplotlib 是一个 Python 的 2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过 Matplotlib,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率谱,条形图,错误图,散点图等。
线性回归(Linear Regression)和逻辑回归(Logistic Regression)通常用来处理线性模型,如果利用线性回归或逻辑回归对多特征的非线性问题进行分类,则涉及太多特征组合的计算,往往导致计算负荷增大,并不适合解决这类问题。
假设我们需要训练一个模型用来判断一张图片中是否出现汽车,可能有很多用来训练模型的数据,这些图片有的包含小汽车,有的没有,利用这些图片的一个个像素值作为特征,训练一个满足这样功能的模型。训练过程需要处理可能百万级别甚至更多的数据,对于这样问题通常采用神经网络(Neural Networks)解决。
最近在做MNIST手写字识别,官方MNIST数据集为 .idx3-ubyte 格式,程序无法直接读取,涉及MNIST数据集的解析。
MNIST数据集:http://yann.lecun.com/exdb/mnist/
最近在训练mnist字符集时用到二进制数据的处理,面向Google编程后稍稍搞懂了一点,故做一点笔记,以作备忘。
Python 中用来处理二进制数据时采用 Struct 模块。
Struct模块中最常用的函数为:
逻辑回归算法是一个分类算法,其性质是它的输出值永远在0到1之间,是目前最流行、最广泛使用的一直学习算法。
根据线性回归模型我们只能预测连续的值,然而对于分类问题,我们需要输出0或1,此时引入逻辑回归模型,模型核心为Sigmoid函数,公式为:$g(z)=\frac{1}{1+e^{-z}}$
其中:$z=-\Theta^{T} X$
利用python的matplotlib库进行数据可视化,绘制定义函数的图像。
以机器学习逻辑回归的sigmoid函数为例:
python代码实现:
1 | #定义sigmoid函数 |