KnowMyself

要正确理解原型方法对软件生命周期不同阶段的支持，分别给出： 辅助或代替分析阶段； 辅助设计阶段； 代替分析与设计阶段； 代替分析、设计和实现阶段； 代替全部开发阶段；这五种情形所对应的开发活动执行时间顺序。 ... Continue reading...

以下问题和解答来自 SYSU 16 级系统分析与设计课程 week1 的作业实践。 Student ID ： 16340186 Student Name : 邱奕浩 Q1: 阐述软件工程的定义。 A1： 软件工程一直以来缺乏严格标准的定义，不过很多学者，组织机构都给出了自己的定义，如： NATO (1968): 软件工程是研究和应用如何以系统的，规范化的，可定量的... Continue reading...

软件与软件危机软件概念软件 = 程序 + 数据 + 文档 + （服务） 程序 = 数据结构 + 算法  软件是能够完成预定功能和性能的、可执行的计算机指令； 软件是使得程序能够适当地处理信息的数据结构； 软件是描述程序的操作和使用的文档。 软件的逻辑抽象性软件是一种逻辑实体，具备知识性的产品集合，是对物理世界的一种抽象化，同时又是一种人脑智力的成果，开发成本昂贵但可以复制。 而软件问题... Continue reading...

以下BP神经网络推导过程是来自于NTU的李宏毅老师的ML课程。过程相当易懂，很好理解。为避免忘记，在此记录一下。视频推导链接如下（需要fq）: https://www.youtube.com/watch?v=ibJpTrp5mcE ... Continue reading...

写的好草啊，虽然这个有点简单，但如果涉及到对数回归就会相对麻烦一点了，这次就先这样，下次要更加规范一点： 字体不要太草 公式符号要特别标明 下面是简单记录模型的含义，以及如何利用梯度下降法来求解最小二乘法的问题。 ... Continue reading...

机器学习的局限在哪里 缺乏可解释性 假设数据分布一致 需要大量数据 难以进行知识推理，只能基于统计归纳 机器学习未来的发展方向在哪里 提升可解释性，脱离黑盒模型 自解释和自推理 防止对抗攻击 神经网络压缩 强化学习 Continue reading...

EM算法的思想利用到了极大似然法，首先必须对极大似然有所了解。 极大似然估计法极大似然估计，简单来说就是通过抽取一部分样本，反推个体分布规律中的参数。比如从一个班抽取一部分同学，统计其身高，反推实际的高斯分布中的参数如均值$\mu$ 和标准差$\theta$。一般步骤就是： （1）写出似然函数； （2）对似然函数取对数，并整理； （3）求导数，令导数为0，得到似然方程； （4）解似然方程，得... Continue reading...

三种数据规范化方法介绍和使用Min-max 规范化Min-max 规范化方法是将原始数据变换到 [0,1] 的空间中。用公式表示就是： 新数值 =（原数值 - 极小值）/（极大值 - 极小值）。 即$new = \frac{old - min}{max - min}$。 在如朴素贝叶斯方法和决策树方法中，规范化后的数值必须非负数，所以一般采用min-max规范化。 在python中使用如下：... Continue reading...

K-Means 工作原理 工作原理很简单： 选取 K 个点作为初始的类中心点，这些点一般都是从数据集中随机抽取的； 将每个点分配到最近的类中心点，这样就形成了 K 个类，然后重新计算每个类的中心点； 重复第二步，直到类不发生变化，或者你也可以设置最大迭代次数，这样即使类中心点发生变化，但是只要达到最大迭代次数就会结束。 使用 K-means 算法123from sklearn.clust... Continue reading...

KNN工作原理近朱者赤，近墨者黑”可以说是 KNN 的工作原理。整个计算过程分为三步： 计算待分类物体与其他物体之间的距离； 统计距离最近的 K 个邻居； 对于 K 个最近的邻居，它们属于哪个分类最多，待分类物体就属于哪一类。 K 值如何选择 你能看出整个 KNN 的分类过程，K 值的选择还是很重要的。那么问题来了，K 值选择多少是适合的呢？ 如果 K 值比较小，就相当于未分类物体与它的... Continue reading...

关于SVM其基础知识和原理已经在一篇文章中提及到了，戳这里。 本文主要是谈谈如何利用sklearn包中的SVM来进行乳腺癌的检测。 在 sklearn中使用svm通过以下语句即可完成一个SVM模型的创建。 123456789from sklearn import svm# 创建分类模型classfier_model = svm.SVC(C = 1.0, kernel = 'rbf', deg... Continue reading...

贝叶斯原理基本概念贝叶斯原理其实是在求解一个逆向概率的问题。 我们用一个题目来体会下：假设有一种病叫做“贝叶死”，它的发病率是万分之一，即 10000 人中会有 1 个人得病。现有一种测试可以检验一个人是否得病的准确率是 99.9%，它的误报率是 0.1%，那么现在的问题是，如果一个人被查出来患有“叶贝死”，实际上患有的可能性有多大？ 你可能会想说，既然查出患有“贝叶死”的准确率是 99.9... Continue reading...

决策树的工作原理定义决策树就是根据已有的规则条件进行评判，给出决策结果。 一棵决策树一般包括根结点，内部结点，和叶节点。根结点是一开始的判断条件，内部结点是中间过程的判断条件，而叶结点则对应着决策结果。 使用决策树时一般会经历两个阶段：构造和剪枝。 ... Continue reading...

本文主要介绍了 10 种常用且易于上手的可视化方法，基于python3.7实现。主要使用了两个图形可视化库，matplotlib & seaborn。这两个库的图形效果有细微差别，matplotlib较为流行且支持的可视化图形较多，seaborn也有特有的图形效果，二者搭配使用较佳。 以下提供10种方式的可视化供参考和上手！简单给出示例代码和效果图。 只要记住API的调用方式就能迅速... Continue reading...

堆栈的顺序存储实现堆栈的顺序存储实现其实是利用了定长数组来模拟堆栈先进后出的规则，由此决定了堆栈的固定容量, 同时需要两个头尾指针来指示栈顶和栈底的位置。 以下展示各部分的代码实现。 定义结构体 1234567typedef int Position;struct QNode { ElementType *Data; /* 存储元素的数组 */ Positi... Continue reading...

向量空间向量空间定义一个空间 $R^n$ 包含着 所有的 n 维的列向量 v，那么该空间就是向量空间。 还有三种特殊的向量空间 M、F、Z。 子空间 ... Continue reading...

向量与线性方程组行图像在二维平面中，行图像就是每一道方程所对应的线相交与一点。（更高维情况，就是低一维的对象相交得到低两维的对象）。点的坐标就是线性方程组的解。 列图像列图像就是将... Continue reading...

线性组合和列向量定义线性组合可以理解为许多系数乘以对应的列向量（其实就是向量都是一列的hhh），然后相加，最终得到一个新的列向量。其中一个例子如下： $$cv + dw = c \left[ \begin{matrix} 1 \ 1 \end{matrix} \right] + d \left[ \begin{matrix} 2 \ 3 \end{matrix} \right] = \le... Continue reading...

线性表的实现大致有两种方式：定长数组定义的定长线性以及指针定义的变长线性表。本文结合中国大学MOOC浙江大学的数据结构课程，对链表相关的基础知识进行了梳理和总结。 线性表表定长链表123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657... Continue reading...

公式LaTex的行内公式和行间公式区别如下：123456789\usepackage{amsmath} % 此处引入数学公式的包% 行内公式This is an inline formula. $a = \sqrt{b + c}$.% 行间公式, 带编号\begin{equation}E = mc^2\end{equat... Continue reading...