- 博客(15)
- 收藏
- 关注
RSS订阅原创 KNN —K最近邻
特征空间中的两个实例点的距离是两个实例点相似程度的反映。K近邻法的特征空间一般是n维实数向量空间Rn。使用的距离是欧氏距离,但也可以是其他距离,如更一般的Lp距离或Minkowski距离。k值的选择会对k近邻法的结果产生重大影响。在应用中,k值一般取双一个比较小的数值,通常采用交叉验证法来选取最优的k值。距离度量、k值的选择、分类决策规则。
2023-11-03 14:58:04
103
原创 网格搜索(GridSearchCV)
GridSearchCV的名字其实可以拆分为两部分,GridSearch和CV,即网格搜索和交叉验证。这两个名字都非常好理解。网格搜索,搜索的是参数,即在指定的参数范围内,按步长依次调整参数,利用调整的参数训练学习器,从所有的参数中找到在验证集上精度最高的参数,这其实是一个训练和比较的过程。GridSearchCV可以保证在指定的参数范围内找到精度最高的参数,但是这也是网格搜索的缺陷所在,他要求遍历所有可能参数的组合,在面对大数据集和多参数的情况下,非常耗时什么是GridSearch。
2023-11-03 11:54:01
985
原创 回归评估指标
MSE是回归任务最常用的性能度量之一.sklearn中的使用方法类似,当目标实现指数增长时,例如人口数量、一种商品在几年时间内的平均销量等,这个指标最适合使用,y值存在负数的话,这个指标不能用。给定数据点的平均绝对误差,一般来说取值越小,模型的拟合效果就越好。sklearn中的使用方法和解释方差分一样。MAE其实就是是L1损失期望。解释方差分,这个指标用来衡量我们模型对数据集波动的解释程度,如果取值为1时,模型就完美,越小效果就越差。中位数绝对误差适用于包含异常值的数据的衡量。
2023-11-03 11:36:09
233
原创 K折验证交叉验证
交叉验证既可以解决数据集的数据量不够大问题,也可以解决参数调图优的问题。这块主要有三种方式:简单交叉验证(HoldOut检验)、k折交叉验证(k-fold交叉验证)、自助法。该文仅针对k折交叉验证做详解。
2023-11-03 11:25:44
472
原创 Boosting
一般我们通过抽样,来通过样本估计总体。但是如果总体不服从norm分布,或者我们不是是为了看均值比较,那么久局限了。及我们反复抽取总体中的样本,那么这些样本的均值、中位立数等等都会呈现正态分布。2.Boosting方法-使用同一组数据集进行反复学习,得到一系列简单模型,然后组合这些模型构成一个预测性能十分强大的机器学习模型。Bagging套袋法实质是:通过Bootstrap的方式对全样本数据集进行抽样得到抽样子集,对不同的子集使用同一种基本模型进行拟合,然后投票得出最终的预测。
2023-11-03 10:12:58
84
转载 appnium搭建
移动端自动化环境搭建https://zhuanlan.zhihu.com/p/49193525Appium环境搭建超详细教程前言:本系列教程会从软件的基本安装开始,最终目的是通过完成几个案例后,大家实现自由抓取App中想要的资源。本系列以后会更的:Appium基本使用及控制真机及安卓模拟器 Mitmproxy抓包工具的基本使用 Fiddler抓包软件的基本使用了解了以上的基本操作,我们就可进行手机资源抓取了,然后进行就可以一些案例实操,比如:抓取抖音无水印视频,微.
2020-08-27 11:13:27
135
原创 2020-08-27
最近在做APP的自动化，上官网(https://github.com/appium/appium-desktop/releases/tag/v1.15.1)下载appium桌面版直接下到我崩溃，在网上的百度云链接基本都失效了，只能硬着头皮下了下载下来了，发出来给有需要的人，目前最新版本：1.18.0https://pan.baidu.com/s/1pAyEaQ4VgauhecH-1zEPGQ 提取码：a8g8...
2020-08-27 11:04:56
163
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