- 博客(50)
- 收藏
- 关注
RSS订阅原创 7月26号打卡
编写一个名为 calculate_circle_area 的函数，该函数接收圆的半径 radius 作为参数，并返回圆的面积。编写一个名为 calculate_average 的函数，该函数可以接收任意数量的数字作为参数（引入可变位置参数 (*args)），并返回它们的平均值。编写一个名为 print_user_info 的函数，该函数接收一个必需的参数 user_id，以及任意数量的额外用户信息（作为关键字参数）。如果长度或宽度为负数，函数应该返回 0。的函数，该函数接收图形的名称。
2025-07-26 17:06:02
512
原创 7月23号打卡
pipeline是一个用于组合多个估计器（estimator）的 estimator，它实现了一个流水线，其中每个估计器都按照一定的顺序执行。在pipeline中，每个估计器都实现了fit和transform方法，fit方法用于训练模型，transform方法用于对数据进行预处理和特征提取。在机器学习中，通常会按照一定的顺序对数据进行预处理、特征提取、模型训练和模型评估等步骤，以实现机器学习模型的训练和评估。为了方便管理这些步骤，我们可以使用pipeline来构建一个完整的机器学习流水线。
2025-07-23 15:38:48
374
原创 7月21号打卡
比如，如果A和B的脸型很像，但眼睛差别很大，LDA可能会更强调眼睛的特征，即使脸型方差更大。PCA (无监督)：如果你有一堆人脸图片，PCA会尝试找到那些能最好地概括所有人脸变化的“主脸”（特征向量），比如脸型、鼻子大小等，它不关心这些人脸属于谁。比如一个特征的数值范围是 0-1000，另一个是 0-1，t-SNE 会更关注前者，导致结果失真。PCA是利用最大化方差来实现无监督降维，而LDA则是在此基础上，加入了类别信息，其优化目标就变成了类间差异最大化和类内差异最小化。
2025-07-21 10:54:10
927
原创 7月20号打卡
训练集降维：假设训练集有 1000 个样本，50 个特征，通过 SVD 降维后保留k=10个特征，得到形状为 (1000, 10) 的新数据。在机器学习中，如果对训练集进行 SVD 降维后训练模型，而测试集的特征数量与降维后的训练集不一致（测试集仍保持原始特征数量），该如何处理？如果对测试集单独进行 SVD，会得到不同的V^T矩阵，导致测试集和训练集的低维空间不一致，模型无法正确处理测试数据。训练集的V^T矩阵代表了训练数据的特征映射规则，测试集必须遵循相同的规则，否则会引入数据泄漏或不一致性问题。
2025-07-20 15:47:01
975
原创 7月19号打卡
它的核心逻辑是：计算每个特征与目标变量之间的相关系数（范围在-1到1之间，值越大表示正相关越强，值越小表示负相关越强，接近0表示几乎无关），然后根据相关系数的绝对值大小，选择与目标变量相关性较高的特征，剔除相关性较低的特征。它的核心逻辑是：特征的方差反映了数据的变化程度，方差很小的特征几乎没有变化，对模型的预测帮助不大。因此，方差筛选会设定一个方差阈值，剔除方差低于这个阈值的特征，保留那些变化较大的特征，从而减少特征数量，提高模型效率。：从n个特征中筛选出m个特征，比如方差筛选，剔除方差过小的特征；
2025-07-20 10:46:24
984
原创 7月18号打卡
离散型变量就像一颗颗分离的珠子，取值是明确分开的；而连续型变量就像一条连续的线，在一定范围内可以取到任意的值。后面逐一更改X_cluster0.1.2.3.4.5。1.推断簇含义的2个思路：先选特征和后选特征。3.科研逻辑闭环:通过精度判断特征工程价值。2.通过可视化图形借助ai定义簇的含义。然后可以发给ai，让ai进行分析。聚类后的分析：推断簇的类型。
2025-07-18 17:20:25
336
原创 7月17号打卡
以下是三种常用的聚类效果评估指标，分别用于衡量聚类的质量和簇的分离与紧凑程度：定义：轮廓系数衡量每个样本与其所属簇的紧密程度以及与最近其他簇的分离程度。取值范围：[-1, 1]轮廓系数越接近 1，表示样本与其所属簇内其他样本很近，与其他簇很远，聚类效果越好。轮廓系数越接近 -1，表示样本与其所属簇内样本较远，与其他簇较近，聚类效果越差。轮廓系数接近 0，表示样本在簇边界附近，聚类效果无明显好坏。使用建议：选择轮廓系数最高的 `k` 值作为最佳簇数量。定义：CH 指数是簇间分散度与簇内分散度之比，用于评估簇的
2025-07-17 15:53:06
839
原创 7月16号打卡
(2). 取出第 2 列 (索引为 2) 的所有元素: 使用索引 arr[:, column_index]----arr2d[:, 2](5). 取出数组中从头到索引 5 (不包含 5) 的元素: 使用切片 slice [:stop]----arr1d[:5]使用索引 arr[row_index, :] 或 arr[row_index]----arr2d[1, :]或arr2d[1]使用整数数组作为行索引 arr[[row1, row2, ...], :]----arr2d[[0, 2], :]
2025-07-16 10:23:48
2014
原创 7月15号打卡
pd.read_csv() 默认使用逗号（,）作为分隔符，但文件实际用的是分号（;因此，pandas 会把整行数据读成一个字符串，导致所有列被合并成一列。2.全是数值型，没有字符串等分类型信息。索引 1 对应的特征是: volatile acidity。索引 3 对应的特征是: residual sugar。索引 0 对应的特征是: fixed acidity。索引 2 对应的特征是: citric acid。这个数据集没有缺失值、异常值，也无需编码。国内平台，包含经典的数据集。国外平台，最好科学上网。
2025-07-15 11:41:02
316
原创 7月14号打卡
SHAP的全称是SHapley Additive exPlanation，SHAP是由Shapley value启发的可加性解释模型。而Shapley value起源于合作博弈论，那什么是合作博弈呢。比如说甲乙丙丁四个工人一起打工，甲和乙完成了价值100元的工件，甲、乙、丙完成了价值120元的工件，乙、丙、丁完成了价值150元的工件，甲、丁完成了价值90元的工件，那么该如何公平、合理地分配这四个人的工钱呢？Shapley提出了一个合理的计算方法，我们称每个参与者分配到的数额为Shapley value。
2025-07-14 10:24:35
1665
原创 7月13日打卡
在处理类别不平衡的数据集时，标准机器学习算法（如默认的随机森林）可能会过度偏向多数类，导致对少数类的预测性能很差。随机过采样的缺点是，它可能会增加训练集的大小，从而增加训练时间。1. 对于少数类中的每个样本，计算它与少数类中其他样本的距离，得到其$k$近邻（一般$k$取5或其他合适的值）。- 过采样是把少的类别补充和多的类别一样多，欠采样是把多的类别减少和少的类别一样。随机过采样的优点是，它可以增加少数类的样本数，从而提高模型的泛化能力。5. 将差值乘以随机数，然后加到原始样本上，得到一个新的合成样本。
2025-07-13 15:11:34
342
原创 7月12号打卡
超参数调整专题2三种启发式算法的示例代码：遗传算法、粒子群算法、退火算法学习优化算法的思路（避免浪费无效时间）作业：今天以自由探索的思路为主，尝试检索资料、视频、文档，用尽可能简短但是清晰的语言看是否能说清楚这三种算法每种算法的实现逻辑，帮助更深入的理解。
2025-07-12 10:03:26
894
原创 7月11号打卡
最佳参数: OrderedDict([('n_neighbors', 14), ('p', 2), ('weights', 'uniform')])贝叶斯优化是一种智能的搜索方法，它会根据历史参数的表现，预测哪些参数可能更好，从而避免像网格搜索那样盲目尝试所有组合。--- 1. 默认参数的KNN (训练集 -> 测试集) ------ 1. 默认参数的KNN (训练集 -> 测试集) ------ 贝叶斯优化KNN (训练集 -> 测试集) ---2..特征标准化（KNN 的关键步骤）
2025-07-11 11:06:18
766
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人