这里是黄梓聪的个人博客，欢迎。

我将在这里发布我的笔记，想法，以及更多。

本文介绍用二元线性回归为引子，介绍三种梯度下降算法：批量梯度下降（batch gradient descent），随机梯度下降（stochastic gradient descent）和迷你批量梯度下降（mini batch gradient descent）

简介

这篇文章介绍了降维的基本思路及用奇异值分解（SVD）进行主成分分析（PCA）的操作。

特点

• 通常适用于维度非常高的数据集
• 运行速度快，可调参数少，因此非常适合为分类问题提供快速粗糙的基本方案

特点

• 数据驱向型，而非模型驱向型算法
• 不对数据作任何的假设
• 思想：按相似来归类

动态存储分配

• C语言的数据结构通常是固定大小的，即使是变长数组，虽然其长度在运行时确定，但在其声明周期时依然是固定长度的。

• 动态存储分布即是在程序执行期间分配内存，可以根据需要扩大或缩小数据结构。

• 动态存储分布只要用于字符串、数组和结构，通常应用于构建表、树等其它数据结构。

MNIST 数据库

导入MNIST数据库：

from sklearn.datasets import fetch_openml

mnist = fetch_openml("mnist_784", version=1)
mnist.keys()

顺序线性表的抽象数据模型

ADT {
    数据对象：ElemType型数据集合，此处假设为int
    数据关系：每个元素有一个前驱和一个后驱，第一个元素只有后驱，最后一个元素只有前驱
    基本操作：
        - 初始 init_sqlist：  构造一个空的线性表
        - 销毁 destroy_sqlist： 释放动态分布给线性表的内存
        - 清空 clear_sqlist：   将线性表重置为空表
        - 查空 is_empty：       检验线性表是否为空表
        - 查长 length_sqlist：  获取线性表长度
        - 提取 get_sqlist：     提取线性表的第i个元素
        - 插入 insert_sqlist：  在线性表第i个位置插入新元素
        - 删除 delete_sqlist：  删除线性表第i个元素并返回其值
        - 查找 locate_sqlist：  获取满足一定条件的元素在线性表中的位置
        - 前驱 prior_sqlist：   获取元素在线性表中的前驱
        - 后驱 next_sqlist：    获取元素在线性表中的后驱
        - 遍历 traverse_sqlist：用某个visit函数遍历线性表
}