Hyggge's Blog
07
06
「CS229」Lecture6:拉普拉斯平滑和SVM简介 「CS229」Lecture6:拉普拉斯平滑和SVM简介
拉普拉斯平滑 问题引入 在上一节中,我们使用朴素贝叶斯来解决垃圾邮件分类问题。我们设 \(x\) 表示邮件内容特征,\(x\) 的每一个分量(取值0或1)表示词典中对应位置的单词是否出现,\(y\) 表示该邮件是否为垃圾邮件。我们假设\(P
2023-07-06
06
26
25
24
「CS229」Lecture3: 局部加权回归、Logistic回归和牛顿方法 「CS229」Lecture3: 局部加权回归、Logistic回归和牛顿方法
局部加权线性回归 参数学习算法和非参数学习算法 在机器学习中,我们有参数学习算法和非参数学习算法 参数学习算法是指对具有特定参数的模型进行拟合的算法。 在该算法中,模型具有一组已知的参数。也就是说,我们明确知道“模型的表示形式”——例如
2023-06-24
23
「CS229」Lecture2: 线性回归和梯度下降 「CS229」Lecture2: 线性回归和梯度下降
线性回归 线性回归是最简单的监督学习回归问题。监督学习的基本流程: 测试数据集,包含一系列\((x, y)\)对 数据输入到学习算法 输出一个函数\(h\),使得该函数可以很好地为输入的 x 生成对应的 y 使用函数\(h\)对其他数据
2023-06-23
21
「CS229」 Lecture 1: 机器学习导引 「CS229」 Lecture 1: 机器学习导引
监督学习 监督学习:应用最广泛 。给定数据集——输入特征\(X\)、输出标签\(Y\), 学习从\(X\)到\(Y\)的映射。 回归(Regression):需要预测的 Y 是连续的 线性回归 多项式回归 ...... 分类(Clas
2023-06-21
01
11
「Compile」SysY编译器设计 「Compile」SysY编译器设计
编译器总体设计 总体结构 本文描述的编译器是采用Java语言编写的MIPS编译器。该编译器分为前端,中端,后端三部分—— 前端:词法分析、语法分析、语义分析,最终将源程序生成为LLVM IR 中端:中间代码优化,包括mem2reg,GVN
2023-01-11