- 博客(4)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 Adaboost理解
集成学习器的形式：（sign(x)为符号函数，x>0输出1，x<0输出-1） (为个体学习器,表示该学习器的重要性）Adaboost算法分析：该算法其实是一个简单的弱分类算法提升过程，这个过程通过不断的训练，可以提高对数据的分类能Adaboost力。整个过程如下所示： 1. 先通过对N个训练样本的学习得到第一个弱分类器； 2. 将分错的样本和其他的新数据一起构成一个新的N个的训练样本，通过对这个样本的学习得到第二个弱分类器 ；...
2021-08-19 19:20:14
899
1
原创 3-Numpy数组操作2（索引和切片）
索引和切片：#一维a1=np.arange(0,20)print(a1)print(a1[1])>>>[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]1#多维a2=np.arange(0,20).reshape(4,5)print(a2)print(a2[1]) #获取的是第二行的数据（索引为1的行）print(a2[0:2]) #获取[0,2)行的
2021-08-17 14:55:50
523
原创 Numpy库学习笔记2
广播原则 如果两个数组的后缘维度（即从末尾开始算起的维度）的轴长度相符或其中一方的长度为1，则认为他们是广播兼容的。广播会在缺失和（或）长度为1的维度上进行。 例如：shape为(3,4,2)的数组能和(4,3)的数组进行运算吗？分析：不能，因为按照广播原则，从后面往前面数，(3,4,2)和(4,3)中的2和3不相等，所以不能进行运算。shape为(3,4,2)的数组能和(4,1)的数组进行运算吗？分析：能，因为按照广播原则，从后面往前面数，(3,8,2)和(8,1)中的2和...
2021-08-16 22:03:56
158
原创 Numpy库学习笔记1
Numpy数组基本用法： NumPy提供一个N维数组类型ndarray，它描述了相同类型的“items”的集合。 numpy.ndarray支持向量化运算。 其对数组的操作速度不再受python解释器限制，运算速度快。 numpy中的数组：Numpy中的数组的使用跟Python中的列表非常类似。他们之间的区别如下：一个列表中可以存储多种数据类型。比如a = [1,'a']是允许的，而numpy数组只能存储同种数据类型。 数组可以是多维的，当多维数组中所有的数据都是..
2021-08-16 19:34:31
234
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人