• Udacity机器学习入门笔记——决策树

    时间:2023-02-13 00:27:31

    监督学习算法第三种——决策树decision trees     决策树可以通过核技巧把简单的线性决策面转换为非线性决策面     百度百科:决策树是一个预测模型;他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值,而每个叶结点则对应从根节...

  • udacity计算机科学导论python - 课程22-15 为什么python代码简单

    时间:2023-01-09 19:42:12

    这课里的fibonacci递归函数,也常称为花瓣序列, 1,1,2,3,5... 后一个数是前两个数之和。  在python中,建议用for函数代替递归函数,效率更高  def fibonacci(n):    s1 = 0    s2 = 1      for a in range(0,n): ...

  • Udacity调试课笔记之断言异常

    时间:2022-09-25 05:41:33

    Udacity调试课笔记之断言异常这一单元的内容不是很多,如Zeller教授所说,就是如何写、检查断言,并如何使用工具实现自动推导出断言的条件。现在,多数的编程语言,尤其是高级编程语言都会有内置的断言语句或断言函数。而随手编写个简易的断言也不件难事。使用内置的断言会有很多优点,比如获知出错断言的位置...

  • Udacity机器学习入门项目2:创建电影网站

    时间:2022-05-13 04:11:44

    entertainment_center.py # -*- coding:utf-8 -*-# 创建对象import fractionsfrom udacity_test import media, fresh_tomatoesmovieShawshank = media.Movie("The S...

  • 【udacity】机器学习-回归

    时间:2022-04-29 18:35:04

    Evernote Export1.什么是回归?regression在监督学习中,包括了输入和输出的样本,在此基础上,我们能够通过新的输入来表示结果,映射到输出输出包含了离散输出和连续输出2.回归与函数逼近回归并不是指向平均值回落,而是使用函数形式来逼近一堆数据点3.线性回归什么是线性方程?线性方程就...

  • Udacity机器学习入门 创建电影项目 P2

    时间:2022-02-05 12:56:08

    media.py # -*- coding:utf-8 -*-class Movie(): """movie实体类""" def __init__(self, movie_name, movie_image_url, movie_play_url): """ ...

  • Udacity机器学习入门项目2:创建电影网站

    时间:2021-12-31 13:00:14

    entertainment_center.py # -*- coding:utf-8 -*-# 创建对象import fractionsfrom udacity_test import media, fresh_tomatoesmovieShawshank = media.Movie("The S...

  • udacity android 实践笔记: lesson 4 part b

    时间:2021-11-29 05:17:23

    udacity android 实践笔记: lesson 4 part b作者:干货店打杂的 /titer1 /Archimedes 出处:https://code.csdn.net/titer1 联系:1307316一九六八(短信最佳) 声明:本文採用以下协议进行授权: *转载-非商用-非衍生-...

  • 【Udacity自动驾驶课程笔记】---- 车道线检测1

    时间:2021-09-20 17:17:04

        仍旧因为懒,在word里编辑好,不想再编辑一遍了,直接就截图传上来了,理解有误的地方还望批评指正,共同学习,我也会及时查看回复。 ...

  • udacity google deep learning 学习笔记

    时间:2021-06-26 01:27:29

    1.为什么要在卷积网络中加入pooling(池化)如果只利用卷积操作来减少feature map的大小,会失去很多信息。所以想到一种方法,减小卷积时的stride,留下大部分信息,通过池化来减小feature map的大小。池化的优点:1.池化操作不会增加parameters2.实验结果表明用池化的...