[Andrew-Wu 基本理论01–贝叶斯学习（暨基本理论开篇）](https://blog.tjdata.site/2022/03/19/Andrew-Wu 基本理论01–贝叶斯学习（暨基本理论开篇）/) Andrew-Wu 基本理论01–贝叶斯学习（暨基本理论开篇）blog.tjdata.site/2022/03/19/Andrew-Wu%20

本文主要介绍在Centos7上的cplex安装，以及在python3.7和python3.8中的pythonAPI的调用，⚠️Cplex是一个单独的软件cplex studio、在python中的库为cplex，同时在此基础上封装的更面向对象的有docplex 注意 不同版本对cplex的要求，12.10官方支持python3.6和3.7，也可以通过修改版本验证文件来在python3.8使用！ 更

在机器学习看到一半的过程中，对于之前学习的广义线性模型、高斯判别分析、支持向量机、决策树、多层感知器进行阶段性的总结，并尝试使用过去课程中可能存在例子来进行展示，最后利用Kaggle的实验来进行展示 如有侵权，可以删除；如有错误，欢迎提出 0x01基本模型1.1 GLM（logistic regression、linear regression、softmax regression）Andrew

文本希望根据Django作为框架，前端利用Vue来实现个人博客网站的开发 作为一个外行人看专门的Django的书本会被一些基础知识所拖累，比如HTML中的一些基本概念，然而抛去细节，用自己的方式来完成一个比较难的（难度不会特别高，但是又会比官方教程学习）的多一些，这可能是本教程的意义在此 0x00 基础知识网站上是后端服务器生成视频、文字、图片、数字等等数据，通过HTTPS或者各种网络通信协议来传

非常喜欢《机器学习导论》中关于感知器的一句话：“神经网络的目的不是为了研究人脑的内部结构和运行机理，而仅仅是模仿来作为一个学习罢了”，通过这句话可以看出机器学习作为一门工程类的学科，本质目的还是为了寻找一种好的方法，在此过程中就要思考需要用什么样的标准来评价好坏？这是一个曾经观察高中物理、高中化学、高中生物中的实验科学，更进一步，我们更有着统计的知识来指导我们更近一步地正确设计实验。 0x01 引

之前《机器学习》选修课被大佬手撕决策树算法给震撼了，因为之前从来没有尝试过数学和代码的角度来看待算法，不过寒假静下来，可以看出作为基模型运用到很多递归、贪心中的思想，写出来发现难度并没有那么大！ 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555

Andrew Wu–番外参数方法和非参数方法blog.tjdata.site/2022/02/13/Andrew%20Wu–%E7%95%AA%E5%A4%96%E5%8F%82%E6%95%B0%E6%96%B9%E6%B3%95%E5%92%8C%E9%9D%9E%E5%8F%82%E6%95%B0%E6%96%B9%E6%B3%95/ [An

之前创新项目中文献综述在选修课作业中完善，同时借鉴经典综述文章，完成一篇中文“四不像”，就当是杂谈了 摘要：复杂场景的密集人群计数在治安防控、交通管制、集会管理等方面起到重要的作用，可以为管理者提供有效及时的信息。从21篇中文文献和43篇英文文献中总结出密集人群计数中面临的主要问题有：拥挤、遮挡、重复和复杂光照环境带来的影响，并从传统的基于手工提取特征的密集计数到基于卷积神经网络的高级特征提取

讨论一种不同的线性分类和回归方法，每种学习算法都具有不同的归纳偏倚，做不同的假设，定义不同的目标函数，因此可能找到不同的模型 Support Vector Machine 0x01 引言支持向量机使用Vapnik原则 不要在解决实际问题之前把解决一个更复杂的问题作为第一步（vapnik，1995） 训练后，线性模型的参数（权重向量）可以用训练集的一个子集表示，这个子集称为支持向量suppo

根据Andrew wu 机器学习的监督学习的第一部分总结 0x01 引言机器学习的定义： 对于某类任务task和性能度量performance，如果一个计算机程序在task上以performance衡量的性能随着经验experience而自我完善，那么我们称这个计算机程序在从experience中学习 机器学习的方法在不同领域中以不同的方式逐渐发展到共通的状态，从统计学习中从特殊到一般的inf