- 博客(5)
- 收藏
- 关注
RSS订阅原创 数据技能竞赛(复)
1.三台机器vi /etc/sysconfig/network-scripts/ifcfg-ens33 2.三台机器分别 hostnamectl set-hostname master bash hostnamectl set-hostname slave1 bash hostnamectl set-hostname slave2 bash 3.配置本地源（三台机器） 发信号给 yum 进程：pkill -9 yum 进入 yum 源配置文件：cd /etc/yum.repos.d 删除所有文件：rm
2021-06-09 21:13:26
287
3
原创 数据技能竞赛
1.三台机器vi /etc/sysconfig/network-scripts/ifcfg-ens33 2.三台机器分别 hostnamectl set-hostname master bash hostnamectl set-hostname slave1 bash hostnamectl set-hostname slave2 bash 3.配置本地源（三台机器） 发信号给 yum 进程：pkill -9 yum 进入 yum 源配置文件：cd /etc/yum.repos.d 删除所有文件：rm -r
2021-05-19 23:55:40
241
原创 机器学习贝叶斯分类器
6.1.1 背景知识 贝叶斯方法分析的特点是用概率表示不确定性。 贝叶斯决策论是在概率框架下试试决策的基本方法。 在分类问题情况下，在所有相关概率都已知的理想情形下，贝叶斯决策考虑如何基于这些概率和误判损失来选择最优的类别标记。 概率基本概念： 先验概率(P(Y)):即根据往年经验及其他因素预测的事件的概率。 后验概率(P(Y|X))：即在先验概率的情况下根据其他因素推测的概率。 联合概率：表示两个事件共同发生的概率。 6.1.2 贝叶斯决策论 贝叶斯定理： 估计后验概率P(c|x)主要困难:类条件概率P
2020-12-16 20:57:15
1180
原创 机器学习决策树
5.1 决策树思想原理 决策树中最上面的结点称为根结点。根结点包含样本全集，是整个决策树的开始。 每个分支是一个新的决策结点，或者是树的叶子。每个决策结点代表一个问题或者决策.通常对应数据集的属性。每个结点包含的样本集合根据属性测试被划分到子结点中. 每个叶结点代表一种可能的分类结果。 决策树思想：分而治之的思想，对于属于每个属性下的不同分支采取分而治之的策略，利用信息增益，增益率，基尼指数等准则层层往下划分推进。 决策树学习的目的是产生一颗泛化性能强，即处理未知样本能力强的决策树。 5.2 决策树算法 构
2020-12-16 19:32:03
441
原创 python遗传算法求解一元一次函数极值
#初始化种群 from random import * import copy import random def population(N,L): ls=[] while len(ls)<N: ls.append([random.randint(0,1) for i in range(20)]) return ls #二进制到十进制 def decode(n): n.reverse() sum=0 for i in range(le
2020-12-13 11:47:45
1125
1
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