用户057106099971

基于LSTM的文本生成器 基本介绍 LSTM是一种被人们熟知的时序预测模型，而语言， 音频都是与时间有关的，由此我们可以通过时序的上一个状态预测下一个状态， 这种问题我们可以尝试使用时序模型

RandomForestClassifier 集成算法：包含bagging，bosting，stacking sklearn的集成算法都在ensemble里面 , 基本操作如下 1 重要参数 和决策树

惰性算法（Lazy Algorithm）是指一类仅在实际需要时才执行计算或处理数据的算法。这种策略的核心思想是推迟操作，直到它们的结果被明确要求或对最终结果产生直接影响时才进行求解。

clude<thread> #include<mutex> #include<functional> #include<condition_variable> #include<vector> #in

W_{new} = W_{old} - α ∇f(W_{old}) ，α为学习率，沿梯度方向时函数增长最快，反之与梯度方向相反函数减少最快所以这里是负号，我们用的函数是误差函函数

sklearn.cluster.KMeans 1.基本原理 是一个比较简单的算法 随机抽取k个点作为最初的质心，进入循环 1.将每个样本点分配到离它最近的质心，生成k个簇 2.对于每个簇，计算所有被分

简单的AdaGrad, RMSProp, Adam的数学原理，介绍算法的震荡问题和自适应学习率算法学习率过早趋近于0的问题

设有两点坐标分别为$S = (S_x,S_y,S_z)$ , $T =(T_x,T_y,T_z)$ , 平面 $\Pi : Ax+ By + Cz + D = 0$ .$L_{st}$ 与平面相交于$

1.拉格朗日乘子法 1. 拉格朗日函数 凸优化：凸优化问题是指优化问题的目标函数是凸函数，而约束集合是凸集。在这样的问题中，局部最优解同时也是全局最优解 对于优化问题 $ \underset{x}{m