计算机网络体系结构 发表于 2019-09-06 分类于 学习笔记 ， 计算机网络 本文字数： 2.3k 阅读时长 ≈ 2 分钟 【计算机网络的层次结构】体系结构计算机网络各层及其协议的集合称为计算机网络的体系结构（Architecture），其是计算机网络中层次、各层协议、各层接口的集合，是网络及其所完成功能的精确定义 阅读全文 »
计算机网络性能指标 发表于 2019-09-06 分类于 学习笔记 ， 计算机网络 本文字数： 1.5k 阅读时长 ≈ 1 分钟 【速率】速率（Speed），又称数据率或者比特率，是指连接到计算机网络上的主机在数字信道上传送数据的速率 其单位为比特/秒（b/s，bps） 阅读全文 »
计算机网络分类 发表于 2019-09-03 分类于 学习笔记 ， 计算机网络 本文字数： 1.1k 阅读时长 ≈ 1 分钟 【分布范围】按照网络的分布范围，网络可分为以下四类： 广域网 LAN：因特网的核心，采用交换技术，提供长距离通信，覆盖范围几十千米到几千千米 城域网 MAN：采用以太网技术，常并入局域网的范围进行讨论，覆盖范围 5km 到 50 km 局域网 LAN：采用广播技术，通过高速线路连接，覆盖范围几十米到几千米 个人区域网 PAN：采用无线技术，覆盖范围约 10m 阅读全文 »
计算机网络概述 发表于 2019-09-03 分类于 学习笔记 ， 计算机网络 本文字数： 2.3k 阅读时长 ≈ 2 分钟 【计算机网络】计算机网络是将一个个分散的、具独立功能的计算机系统，利用通信设备、物理线路连接起来，并由功能完善的软件所实现的能够资源共享与信息传递的系统 在计算机网络的不同发展阶段，对计算机网络的定义也不同，可分为以下三类： 阅读全文 »
贝叶斯网络的预测 发表于 2019-08-27 分类于 人工智能 ， 机器学习 ， 监督学习 本文字数： 789 阅读时长 ≈ 1 分钟 References： 贝叶斯网络，看完这篇我终于理解了(附代码)！ 概率图模型之贝叶斯网络 机器学习之贝叶斯网络 贝叶斯网络(Bayesian Network) 【概述】在贝叶斯网络训练好后即可进行查询（Query），即通过某些特征的观测值来推测其他特征的取值，这样通过已知特征观测值来推测预测值的过程称为推断（Inference），其中已知观测值称为证据（Evidence） 阅读全文 »
贝叶斯网络的学习 发表于 2019-08-27 分类于 人工智能 ， 机器学习 ， 监督学习 本文字数： 2.1k 阅读时长 ≈ 2 分钟 References： 贝叶斯网络，看完这篇我终于理解了(附代码)！ 概率图模型之贝叶斯网络 机器学习之贝叶斯网络 贝叶斯网络(Bayesian Network) 【贝叶斯网络的学习】在网络结构已知，即特征间的依赖关系已知的情况下，贝叶斯网络只需要对训练样本进行统计，估计出每个结点的条件概率表即可 阅读全文 »
贝叶斯网络 发表于 2019-08-26 分类于 人工智能 ， 机器学习 ， 监督学习 本文字数： 2.9k 阅读时长 ≈ 3 分钟 References： 贝叶斯网络，看完这篇我终于理解了(附代码)！ 概率图模型之贝叶斯网络 机器学习之贝叶斯网络 贝叶斯网络(Bayesian Network) 【贝叶斯网络】贝叶斯网络（Bayesian Network）借助 DAG 来刻画特征间的依赖关系，并使用条件概率表（Conditional Probability Table，CPT）来描述特征的联合概率分布 阅读全文 »
概率图模型 发表于 2019-08-25 分类于 人工智能 ， 机器学习 ， 监督学习 本文字数： 1.3k 阅读时长 ≈ 1 分钟 【概述】概率图模型（Probabilistic Graphical Model）是一类用图来表达变量相关关系的概率模型 概率图模型以图为表示工具，用一个结点表示一个或一组随机变量，结点之间的边表示变量间的概率相关关系，即变量关系图 阅读全文 »
支持向量回归 发表于 2019-08-21 分类于 人工智能 ， 机器学习 ， 监督学习 本文字数： 15k 阅读时长 ≈ 13 分钟 References: [ML] 支持向量回归 | SVR | SVM SVR（Support Vactor Regression）支持向量回归机 【引入】支持向量机是针对二分类问题提出的，其通过最大化间隔来找到一个分离超平面，使得绝大多数样本点位于两个决策边界的外侧 阅读全文 »
非线性支持向量机 发表于 2019-08-20 分类于 人工智能 ， 机器学习 ， 监督学习 本文字数： 7.1k 阅读时长 ≈ 6 分钟 References： 非线性支持向量机（SVM）解析 | 统计学习方法学习笔记 | 数据分析 | 机器学习 核方法、核技巧和核函数 【引入】软隔支持向量机是用来解决训练集近似线性可分情况的二分类模型，但其无法处理线性不可分的情况 阅读全文 »