<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[prosmail的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/prosmail</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; prosmail]]></copyright><item><title><![CDATA[Adaboost算法推导]]></title><link>https://blog.youkuaiyun.com/prosmail/article/details/104286687</link><guid>https://blog.youkuaiyun.com/prosmail/article/details/104286687</guid><author>prosmail</author><pubDate>Thu, 13 Feb 2020 15:08:34 +0800</pubDate><description><![CDATA[背景知识：
在介绍Adaboost之前先明确一些基本概念。集成学习（ensemble learning）通过构建并结合多个学习器来完成学习任务，它是一种思想，而不是一种具体算法，有多种不同的实现方案。个体学习器（individual learner）通常由一个现有的学习算法从训练数据中产生，例如决策树、BP神经网络等。如果集成学习中所有的个体学习器都是同种类型的，例如全是决策树，这样的集成是“同质...]]></description><category></category></item><item><title><![CDATA[matplotlib.pyplot中scatter函数]]></title><link>https://blog.youkuaiyun.com/prosmail/article/details/104032457</link><guid>https://blog.youkuaiyun.com/prosmail/article/details/104032457</guid><author>prosmail</author><pubDate>Sat, 18 Jan 2020 21:41:33 +0800</pubDate><description><![CDATA[scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, plotnonfinite=False, data=None, **kwargs)
x, y：长度相同的...]]></description><category></category></item><item><title><![CDATA[matplotlib.pyplot创建子图的方式]]></title><link>https://blog.youkuaiyun.com/prosmail/article/details/104025457</link><guid>https://blog.youkuaiyun.com/prosmail/article/details/104025457</guid><author>prosmail</author><pubDate>Sat, 18 Jan 2020 00:03:04 +0800</pubDate><description><![CDATA[一个作图的窗口就是一个Figure， 在Figure上可以有很多个Axes/Subplot，每一个Axes/Subplot为一个单独的绘图区，可以在上面绘图。其中每一个Axes/subplot， 有XAxis，YAxis，在上面可以标出刻度，刻度的范围，以及X、Y轴的标签label。


1. 面向对象的方式
1.1 创建Figure
figure(num=None, figsize=No...]]></description><category></category></item><item><title><![CDATA[支持向量机算法推导]]></title><link>https://blog.youkuaiyun.com/prosmail/article/details/103924302</link><guid>https://blog.youkuaiyun.com/prosmail/article/details/103924302</guid><author>prosmail</author><pubDate>Tue, 14 Jan 2020 15:09:58 +0800</pubDate><description><![CDATA[1.支持向量机的基本思想
基于训练集D在样本空间中找到一个划分超平面（在二维空间中为一条直线，在三维空间中为一个平面），将不同类别的样本分开。

问题来了，这样的超平面有很多，我们应该努力去找到哪一个呢，哪一个是最好的呢？基于上述问题，我们提出三个判定标准：1.可以正确分割样本；2.留有大量的余量，既分类超平面尽可能的离两类样本尽可能的远（分类超平面对测试样本有最强的泛化能力）3.位于两类训练样本...]]></description><category></category></item></channel></rss>