首部以C#讲解科学计算的书, 不过目前只有高清版的前四章. 引言　1 第1章　C#程序设计基础　9 1.1　计算机、程序设计与算法　9 1.1.1　计算机结构　9 1.1.2　操作系统　10 1.1.3　机器语言与高级语言　10 1.1.4　程序设计与算法　10 1.2　C#历史与概述　11 1.2.1　C语言：结构化编程语言的高峰　11 1.2.2　C 语言；　面向对象与大型程序　11 1.2.3　Java语言：可移植、安全性与Internet　11 1.2.4　C#；.NET主打语言　12

C#科学计算讲义光盘源码,找了好久才收集到, VS2010版. 引言　1 第1章　C#程序设计基础　9 1.1　计算机、程序设计与算法　9 1.1.1　计算机结构　9 1.1.2　操作系统　10 1.1.3　机器语言与高级语言　10 1.1.4　程序设计与算法　10 1.2　C#历史与概述　11 1.2.1　C语言：结构化编程语言的高峰　11 1.2.2　C 语言；　面向对象与大型程序　11 1.2.3　Java语言：可移植、安全性与Internet　11 1.2.4　C#；.NET主打语言　

机器学习算法基础学习总结2.基本算法 2.1 Logistic回归 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高 适用数据类型:数值型和标称型数据。 类别:分类算法。 试用场景:解决二分类问题。 简述: Logistic回归算法基于 Sigmoid函数,或者说 Sigmoid就是逻辑回归函数。 Sigmoid函数定义如下:1/(1-exp(-z))。函数值域范围(0,1)。可以用来做分 类器。 Sigmoid函数的函数曲线如下: 逻辑凹归模型分解如下:(1)首先将不同

梯度下降法是机器学习算法更新模型参数的常用的方法之一。 相关概念 梯度 : 表示某一函数在一点处变化率最快的方向向量(可理解为这点的导数/偏导数) 样本 : 实际观测到的数据集，包括输入和输出(本文的样本数量用 m 表述,元素下标 i 表示) 特征 : 样本的输入(本文的特征数量用 n 表示,元素下标 j 表示) 假设函数 : 用来拟合样本的函数，记为 $ h_θ(X) (θ 为参数向量, X 为特征向量)$ 代价函数 : 用于评估模型拟合的程度，训练的目标是最小化代价函数，记为 J(θ)J(θ