<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_41867448的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_41867448</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_41867448]]></copyright><item><title><![CDATA[对knn、决策树、逻辑回归、神经网络的初步理解]]></title><link>https://blog.youkuaiyun.com/qq_41867448/article/details/89007430</link><guid>https://blog.youkuaiyun.com/qq_41867448/article/details/89007430</guid><author>qq_41867448</author><pubDate>Fri, 05 Apr 2019 00:17:06 +0800</pubDate><description><![CDATA[k近邻法（KNN）
knn是一种基本的分类与回归方法，其分类思想在于给定一个训练数据集，对一个新的输入实例，在训练数据集中找到与该实例最邻近的k个实例，若这k个实例的多数属于某个类，就把这个实例分为这个类。knn需要注意的几个术语：邻域、距离、位置、维度(影响着模型的复杂度)，下面是knn大致的一个内容。

补充：
  设特征空间X是n维实数向量空间Rn，xi，xj∈X，xi=(xi(1),xi(...]]></description><category></category></item><item><title><![CDATA[python实现简单线性回归]]></title><link>https://blog.youkuaiyun.com/qq_41867448/article/details/88920539</link><guid>https://blog.youkuaiyun.com/qq_41867448/article/details/88920539</guid><author>qq_41867448</author><pubDate>Sun, 31 Mar 2019 07:14:13 +0800</pubDate><description><![CDATA[  线性回归是监督学习中的典型问题，分为学习和预测两个过程。线性回归所反映的是从特征空间到输出空间的一种映射，即一个具体的输入（也叫实例）x和输出y之间存在的某种函数关系，x叫自变量，y叫因变量。而线性回归模型是对已知数据及其标签进行训练得到的一个函数（也说从特征空间到输出空间的映射集合），它不仅能对已知数据有很好的拟合效果，而且能够很好的对未知数据进行预测。
  假设有一个简单的训练数据集 T=...]]></description><category></category></item><item><title><![CDATA[数据结构——c语言实现拓扑排序]]></title><link>https://blog.youkuaiyun.com/qq_41867448/article/details/84995558</link><guid>https://blog.youkuaiyun.com/qq_41867448/article/details/84995558</guid><author>qq_41867448</author><pubDate>Thu, 13 Dec 2018 21:45:18 +0800</pubDate><description><![CDATA[在一个没有回路的有向图中，用顶点表示活动，用弧表示活动间的优先关系，这样的有向图称为顶点表示活动的网，简称AOV网(Activity On Vertex Network)。若图中任意两个顶点vi到顶点vj有一条路径，且在序列中vi排在vj之前，称(v’1,v’2,…,v’i,…,v’n)为AOV网的一个拓扑序列，给出拓扑序列的过程叫拓扑排序，它是确定事件的进程。下面用c语言实现拓扑排序。
#inc...]]></description><category></category></item><item><title><![CDATA[输入空间、输出空间、特征空间与假设空间]]></title><link>https://blog.youkuaiyun.com/qq_41867448/article/details/84984676</link><guid>https://blog.youkuaiyun.com/qq_41867448/article/details/84984676</guid><author>qq_41867448</author><pubDate>Thu, 13 Dec 2018 11:28:59 +0800</pubDate><description><![CDATA[输入空间、输出空间、特征空间与假设空间是监督学习中的基本概念，我把它们放到一起方便记忆。


输入空间(input space)：输入所有可能取值的集合
输出空间(output space)：输出所有可能取值的集合
输入与输出空间可以是有限元素的集合，也可以是整个欧式空间（定义了內积的实线性空间），它们可以是同一个空间，也可以是不同的空间，通常，输出空间远远小于输入空间。
特征空间(feature...]]></description><category></category></item><item><title><![CDATA[应用线性回归模型简单预测糖尿病病人数据—python]]></title><link>https://blog.youkuaiyun.com/qq_41867448/article/details/84592983</link><guid>https://blog.youkuaiyun.com/qq_41867448/article/details/84592983</guid><author>qq_41867448</author><pubDate>Wed, 28 Nov 2018 21:38:19 +0800</pubDate><description><![CDATA[学习中的算法之一。回归分析的本质就是一个函数估计的问题(参数估计和非参数估计)，即找出自变量和因变量之间的关系，回归分析是一个有监督学习的问题。下面使用scikit-learn中自带的糖尿病病人的数据集进行预测性能分析。
import numpy as np
from sklearn import datasets,linear_model,discriminant_analysis,model_...]]></description><category></category></item></channel></rss>