qq_35543946的博客

爬虫程序建立索引我们通过爬虫程序得到网站的信息之后，包括每一层的url信息和页面出现的单词，还包括链接上出现的单词等信息，这个时候我们就需要将这些信息存入数据库，并为它们建立索引。本书中建立的索引如下表wordlist保存了爬取到的单词的索引，表urllist保存了每个url的索引。表wordlocation保存了每个url对应页面上出现的wordid以及他们的locatio...

机器学习：监督式学习(分类、回归)：决策树(ID3、C4.5)、朴素贝叶斯、最小二乘回归、逻辑回归(Logistic)、支持向量机、传递神经网络 非监督式学习(关联、聚类)：奇异值分解、主成分分析、独立成分分析、Apriori、K-Means 半监督式学习(分类、回归)：图论推理、拉普拉斯支持向量机常见算法：正则化算法（Regularization Algorithms） 集成算法...

1、GBDT和LR的差别。(这个问题可以推广的，和AdaBoost、RF、XgBoost,etc的差别)LR模型对于各个特征值得范围差别很大时候，如果不进行特征标准化，会导致训练出来大特征值的权重明显比其他特征要高很多，模型的准确性影响非常大。针对本次实验，X的第一个特征值增大100000倍以后，accuracy从0.95降低到了0.33。如果对特征值进行标准化以后，score会提升到90%...

写给懒得看的人：没有最好的分类器，只有最合适的分类器。随机森林平均来说最强，但也只在9.9%的数据集上拿到了第一，优点是鲜有短板。SVM的平均水平紧随其后，在10.7%的数据集上拿到第一。神经网络（13.2%）和boosting（~9%）表现不错。数据维度越高，随机森林就比AdaBoost强越多，但是整体不及SVM[2]。数据量越大，神经网络就越强。近邻 (Neares...

序言本文尽可能的不涉及到繁杂的数学公式，把面试中常问的模型核心点，用比较通俗易懂但又不是专业性的语言进行描述。希望可以帮助大家在找工作时提纲挈领的复习最核心的内容，或是在准备的过程中抓住每个模型的重点。实战环境说明：Python 2.7； Sklearn 0.19.0； graphviz 0.8.1 决策树可视化。一、决策树1.1 原理顾名思义，决策树就是用一棵树来...

 from sklearn import linear_modelreg = linear_model.LinearRegression()reg.fit ([[0, 0], [1, 1], [2, 2]], [0, 1, 2])  训练函数—————————>LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1,...

高斯朴素贝叶斯特征可能性被假设为高斯： import numpy as npX = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])Y = np.array(...