二、朴素贝叶斯法 2.1 原理 2.2 期望风险最小化 2.3 算法 2.4 贝叶斯估计 二、朴素贝叶斯法 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。 对给定的训练集： 首先基于特征条件独立假设学习输入、输出的联合概率分布。 然后基于此模型，对给定的输入 ，利用贝叶斯定理求出后验概率最大的输出 。 朴素贝叶斯法...

第 13 章 Python 建模库介绍 第 13 章 Python 建模库介绍 本书中，我已经介绍了Python数据分析的编程基础。因为数据分析师和科学家总是在数据规整和准备上花费大量时间，这本书的重点在于掌握这些功能。 开发模型选用什么库取决于应用本身。许多统计问题可以用简单方法解决，比如普通的最小二乘回归，其它问题可能需要复杂的机器学习方法。幸...

三、 mini-batch 3.1 mini-batch 大小 3.2 随机抽样 3.3 重复样本 三、 mini-batch 机器学习算法和一般最优化算法不同的一点：机器学习算法的目标函数通常可以分解为每个训练样本上的损失函数的求和。如： 。 最大化这个总和，等价于最大化训练集在经验分布上的期望： 当使用基于梯度的优化算法求解时，...

0.6 优秀的RHEL7系统 0.6 优秀的RHEL7系统 本小节的内容是我在2015年写给学员的一篇文章，现在RHEL 7系统已经经过近三年的迭代更新，此时再回看这篇文章，发现我的预测还是很准确吧。当前，国内大多数机房都已经部署了RHEL 7系统，国内外多家银行机构、保险公司系统也纷纷上线CentOS 7或RHEL 7系统，但我依然想引用这篇文章来...

步骤 2: 项目介绍 揭开项目的面纱 学习就是实践 查看最终架构图 获取项目的源代码 浏览源代码 步骤 2: 项目介绍 我们需要找一个项目来开发，这可是个不小的挑战。我们需要一个足够大的项目，可以涵盖 Symfony 的方方面面；但同时它又需要足够小，我不希望你去重复开发类似的功能，那会让你感到厌倦。 揭开项目的面纱 鉴于本书要在阿姆斯特...

3.11. 模型选择、欠拟合和过拟合 3.11.1. 训练误差和泛化误差 3.11.2. 模型选择 3.11.2.1. 验证数据集 3.11.2.2. K 折交叉验证 3.11.3. 欠拟合和过拟合 3.11.3.1. 模型复杂度 3.11.3.2. 训练数据集大小 3.11.4. 多项式函数拟合实验 3.11.4.1. 生成数据集 3.11...

TLS完全指南 目录 为什么要写这篇文章 TLS很有用 现有文章说不明白 参考文献 来源 TLS完全指南 目录 TLS和安全通信 OpenSSL操作指南 用Go语言写 HTTPS 程序 为什么要写这篇文章 TLS很有用 一般来说，大家会觉得 TLS 是典型的系统工程问题，通常只有要写 HTTPSserver 的人才会...

2.1. 高速增长的IT需求 2.1. 高速增长的IT需求 Falcot Corp 是高质量音频设备的生产商。公司的增长十分强劲并拥有两处设施，一个在 Saint-Étienne，另一个在 Montpellier。前者有着约150名员工并包括一个生产扬声器的工厂，一个设计实验室以及所有的管理层办公室。后者生产增幅器且只有约50名员工。 提醒：案例学...

开发环境使用流程 注意： 简介 开发环境的概念 开始使用 注意事项 开发环境使用流程 注意： 因为开发环境依赖的Docker进程在使用的过程中可能被重启，重启后数据无法保留。开发环境支持挂载FDS bucket到本地目，该目录存储的文件会自动同步到FDS，建议把重要的数据文件存放到该目录。 参考使用FDS FUSE存储 简介...