特色

Kaggle数据科学竞赛 银牌获奖总结 方案:【通用组合特征】 + 【Filter、Wrapper 、NLP 特征筛选】 +【 CatBoost、LightGBM、XGBoost 基础模型】+【网格搜索、TPE、贝叶斯优化器 调优】 + Stacking 融合 + 两阶段建模 背景: Elo公司于2 …

阅读全文 »
特色

本文已收录于 清华大学操作系统课程笔记 系列,共计 9 篇,本篇是第 1 篇

操作系统的结构 参考孙志岗笔记。 ucore基本采取分层结构,划红线的部分是我们要学的。 外核结构(虚拟机架构) 硬件之上假设VM虚拟机。 ucore有一万行左右。最后我们能实现一个小的教学操作系统。  

特色

本文已收录于 人工智能实践:Tensorflow笔记 系列,共计 7 篇,本篇是第 1 篇

人工智能三学派 本讲目标:学会神经网络计算过程,使用基于TF2原生代码搭建你的第一个的神经网络训练模型 当今人工智能主流方向——连接 主义 前向传播 损失函数(初体会) 梯度下降(初体会) 学习率(初体会) 反向传播更新参数 人工智能:让机器具备人的思维和意识。 人工智能三学派: 行为主义:基于控制 …

阅读全文 »
特色

本文已收录于 CS143斯坦福编译原理学习笔记 系列,共计 2 篇,本篇是第 1 篇

编程语言的性价比 问1:为什么有这么多程序语言? 如,科学计算→Fortran,商业程序→SQL,系统程序→C/C++ 答:不同程序所解决的领域是不同的   Cool语言概述 课程项目:使用c++为Cool语言构造编译器 课程目标:使用c++为Cool语言实现一个完整的编译器。 课程主页: …

阅读全文 »
特色

本文已收录于 CS143斯坦福编译原理课程实验 系列,共计 1 篇,本篇是第 1 篇

视频讲述 官方课程资源下载 2021版的课程主页(含文本作业、编程作业、PPT等信息):http://web.stanford.edu/class/cs143/ 备用:因为官方的课程主页每年都会更新,有时候会时常上不上去,这里我将上述网站进行了镜像,以备不时之需。 下载压缩包后解压缩,点击index …

阅读全文 »
特色

本文已收录于 清华大学操作系统课程实验 系列,共计 8 篇,本篇是第 1 篇

Lab1 练习1:理解通过make生成执行文件的过程。(要求在报告中写出对下述问题的回答) 列出本实验各练习中对应的操作系统原理的知识点,并说明本实验中的实现部分如何对应和体现了原理中的基本概念和关键知识点。 在此练习中,大家需要通过静态分析代码来了解: 操作系统镜像文件ucore.img是如何一步 …

阅读全文 »
特色

本文已收录于 机器学习笔记 系列,共计 20 篇,本篇是第 2 篇

解决什么样的问题? 朴素贝叶斯算法是有监督的学习算法,解决的是分类问题,如客户是否流失、是否值得投资、信用等级评定等多分类问题。 什么是有监督学习?无监督学习? 有监督学习:有标签 无监督学习:聚类” (clustering),聚类目的在于把相似的东西聚在一起 可以解决的典型问题 一句话 …

阅读全文 »
特色

本文已收录于 MIPS汇编语言学习笔记 系列,共计 27 篇,本篇是第 1 篇

视频: https://www.bilibili.com/video/BV19J411y7pA?p=3   程序要求: 打印出“HelloWord”。   程序分析: 每个mips程序都分为数据部分(.data)和文本部分(.text)。 # .data 包含程序所有的数据部分, …

阅读全文 »

本文已收录于 线性代数的本质学习笔记 系列,共计 9 篇,本篇是第 9 篇

函数与向量 这里的内容对应的就是线性代数中的二次型。 先看一个例子,因为求导的可加性和成比例性,我们可以分别对每个基向量求导,从而得到左侧的矩阵: 弹幕:用泰勒展开所有的函数成幂函数,然后用这个算子,就可以解决几乎所有的函数。 如上图,以取 x的不同幂次方作为基函数,然后既可以写出求导变换的矩阵。这 …

阅读全文 »

本文已收录于 线性代数的本质学习笔记 系列,共计 9 篇,本篇是第 8 篇

什么是特征值和特征向量 对于一些线性变化来说,存在一些向量在变换前后留在了张成的空间里,只是拉伸或收缩了一定比例,这些向量称为特征向量,拉伸收缩的比例称为特征值,正负表示变换的过程中是否切翻转了方向。 如何通俗地解释特征值与特征向量_哔哩哔哩_bilibili 例如下图,红色的向量变换前后都在一条直 …

阅读全文 »

本文已收录于 线性代数的本质学习笔记 系列,共计 9 篇,本篇是第 6 篇

叉积的几何意义 对于两个向量所围成的面积来说,可以使用行列式计算,即将两个向量看作是变换后的基向量,这样通过行列式就可以得到变换后面积缩放的比例,因为基向量的单位为1,所以就得到了对应的面积。 这个面积的值存在负值,这是参照基向量ij的相对位置来说的: 叉积是通过两个三 …

阅读全文 »

本文已收录于 线性代数的本质学习笔记 系列,共计 9 篇,本篇是第 3 篇

测量变换究竟对空间有多少拉伸或挤压——行列式 行列式的本质是计算线性变化对空间的缩放比例,具体一点就是,测量一个给定区域面积增大或减小的比例。单位面积的变换代表任意区域的面积变换比例。 行列式为什么有负值呢? 有两种方式可以解释,一种是想象一下把纸翻面;另一种思想是i帽和j帽的相对位置发生了互换: …

阅读全文 »

本文已收录于 线性代数的本质学习笔记 系列,共计 9 篇,本篇是第 2 篇

矩阵 矩阵就是坐标轴的“变换方式”(拉长或旋转)。 矩阵最直观的理解当然是一个写成方阵的数字[1234],这几节的核心是为了说明矩阵其实就是一种向量变换(至于什么是变换下面会讲),并附带一种不用死记硬背的考虑 …

阅读全文 »

本文已收录于 线性代数的本质学习笔记 系列,共计 9 篇,本篇是第 4 篇

线性方程组 在每个方程组中,未知量只具有常系数,这些未知量之间只进行加和,没有幂次、没有函数等。这就被成为线性方程组。 线性方程组就是矩阵A和x的乘积:A是系数,x是向量,以及他们的乘积v向量。 从几何的角度来思考,矩阵A表示一个线性变换(即记录下线 …

阅读全文 »