Swayzzu的博客

解决jupyter notebook的kernel 无法启动问题

Set Cover Problem

目录一、问题二、流程①确定目标②确定条件③寻找工具④工具解读⑤参数设置一、问题假设我们需要从北京（0号节点），运送一批货物到上海（7号节点），中间的1-6号节点都是中转站。如上图所示。不同的节点有不同的发送货物的上限，比如0发往1，最多发3吨，0发往2，最多发2吨，1可以发往4/5号节点，分别是最多5吨和1吨。如何能使从北京发往上海的发送的货物重量达到最大？二、流程①确定目标一次发送的货物重量最大，说明从0号节点出发的时候，量最大，因此..

模型的保存与加载安装joblib：conda install joblib保存：joblib.dump(rf, 'test.pkl')加载：estimator = joblib.load加载后直接将测试集代入即可进行预测。逻辑回归分类算法线性回归的式子作为逻辑回归的输入。适用场景：二分类问题逻辑回归也能得出概率值。逻辑回归是解决二分类问题的利器逻辑回归的输入：sigmoid函数：根据以上函数图像，函数的输出值均在0-1之间。可将其视为概率值..

线性回归：一种能预测的趋势线性关系，在二维中是直线关系，三维中是平面关系线性关系定义：y = wx+bb是为了对于单个特征的情况更加通用多个特征：w1*特征1+w2*特征2+b线性关系模型如上所示。数组和矩阵的区别0维数组：51维：[1,2,5,5,4,8]2为：[[1,4,5],[1,4,7]]3维：[[[1,4,5],[1,4,7]],[[1,4,5],[1,4,7]]]数组运算：加法，乘法矩阵：必须是二维。满足了特定的运算需求，矩..

程序中的if-then结构。利用这类结果分析数据。信息论。信息的单位：比特信息熵假设有32支球队，在不知道任何信息的情况下，以二分法去猜冠军，最多猜5次。此时：每个球队的夺冠概率为1/32，那么：5 = -（1/32log1/32 + 1/32log1/32 + ......）共32项相加。若有一点点信息，则使用二分法猜冠军的时候，次数一定比5次小，那么它的准确信息量应该是：H = -(p1logp1 + p2logp2 + ... + p32logp32)则H称为信息熵，单位为

概率基础概率：某件事情发生的可能性。联合概率：包含多个条件，并且所有条件同时成立的概率记作：P(A,B)P(A, B) = P(A) * P(B)条件概率：事件A在另外一个事件B已经发生的条件下的发生概率记作：P(A|B)特性：P(A1,A2|B) = P(A1|B)P(A2|B)注意：此条件概率的成立，是由于A1,A2相互独立的结果朴素贝叶斯原理：对于每一个样本，算出属于每一个类别的概率，归为概率最高的那一类。朴素贝叶斯：朴素意思就是特征独立P(科技|文档.

如果一个样本在特征空间中的k个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别。（相似的样本，特征之间的值应该都是相近的。）距离求法：k-近邻算法需要做标准化处理API：k值取很小，容易受异常点的影响。k值取很大，容易受k值数量（类别）波动性能问题：样本数量越多，花费时间越长。优点：简单，易于理解，易于实现，无需估计参数，无需训练（不需要迭代）缺点：懒惰算法，对测试样本分类时的计算量大，内存开销大必须指定K值，K值..

机器学习中的维度：特征的数量降维即减少特征数量方式：1.特征选择选择原因：冗余：部分特征的相关度高，容易消耗计算性能噪声：部分特征对预测结果有影响2.主成分分析特征选择主要方法：过滤式（VarianceThreshold）、嵌入式（正则化、决策树）、包裹式（不常用）过滤式：sklearn特征选择APIsklearn.feature_selection.VarianceThreshold没有最好的方差选择，需要根据实际效果选择方差。其他特征选择方法.

一、机器学习概述机器学习是从数据中，自动分析获得规律（模型），并利用规律对未知数据进行预测。二、数据集的构成历史数据的格式：csv文件不用mysql的原因：1、文件大的话读取速度慢；2、格式不符合机器学习要求的格式pandas：读取数据处理数据的工具。可用的数据集：Kaggle：大数据竞赛平台、80万科学家、真实数据、数据量巨大Kaggle网址：https://www.kaggle.com/datasetsUCI：360个数据集、覆盖科学生活经济等领域、数据量几十万