u014628668的博客

from sklearn.feature_extraction.text import CountVectorizer, TfidfVectorizerfrom sklearn.feature_extraction import DictVectorizerimport jiebafrom sklearn.preprocessing import MinMaxScaler, StandardScalerfrom sklearn.impute import SimpleImputerimp...

from sklearn.feature_extraction.text import CountVectorizer, TfidfVectorizerfrom sklearn.feature_extraction import DictVectorizerimport jiebafrom sklearn.preprocessing import MinMaxScaler, StandardScalerfrom sklearn.impute import Sim...

举个例子：from matplotlib import pyplot as plt# x y赋值x = range(2,26,2)y = [15,13,14.5,17,20,25,26,26,27,22,18,15]# 构建图plt.plot(x, y)# 展示图plt.show()from matplotlib import pyplot as plt# x y赋值x = range(2,26,2)y = [15,13,14.5,17,20,25,26,26,27

class Node(object): def __init__(self, item): self.elem = item self.lchild = None self.rchild = Noneclass Tree(object): def __init__(self): self.root = None def add(self, item):...

1.冒泡排序#冒泡排序def bubble_sort(alist): for i in range(0, len(alist) - 1): #从头到尾跑几次 count = 0 #用来标记这一趟比较是否有移动过元素，没有移动过说明已经是有序的了 #保证最优时间复杂的是O(n) for j in range(0, len(alist) - 1 - i): #每次比较完...

# Stack() 创建一个新的空栈# push(item) 添加一个新的元素item到栈顶# pop() 弹出栈顶元素# peek() 返回栈顶元素# is_empty() 判断栈是否为空# size() 返回栈的元素个数class Stack(object): def __init__(self): self.__list = [] def push(self, item): # push(item) 添加一个新的元素item...

#节点class Node(object): def __init__(self, elem): self.elem = elem self.next = None#单向链表class SingleLinkList(object): #初始化的时候要传节点，不然就默认空，头指向空 def __init__(self, node = None): self.__head = node #链表是否为...

顺序表在程序中，经常需要将一组（通常是同为某个类型的）数据元素作为整体管理和使用，需要创建这种元素组，用变量记录它们，传进传出函数等。一组数据中包含的元素个数可能发生变化（可以增加或删除元素）。对于这种需求，最简单的解决方案便是将这样一组元素看成一个序列，用元素在序列里的位置和顺序，表示实际应用中的某种有意义的信息，或者表示数据之间的某种关系。这样的一组序列元素的组织形式，我们可以将其抽象为线性表。一个线性表是某类元素的一个集合，还记录着元素之间的一种顺序关系。线性表是最基本的数据结构之一，在实

这一讲说到了线性回归（Linear Regression）线性回归是一种监督式学习。我们给机器一些带标签的数据，然后机器用这些带标签的数据学习。1.从一个例子入手首先Ng老师举了个例子：这是有关于房价预测的例子。图中的点横坐标是面积，从纵坐标是房价， 我们要做的事情是想找到一个模型，让这个模型更好的符合当前的房价与面积的对应关系，之后我们用这个模型简单的预测房价。首先，我们有一些training ...

经过第一学期的学习，感觉对机器学习常用的方法有了基本的掌握，但是觉得有些地方还是要再扣的细致一点，于是决定刷一遍 Andrew Ng老师的机器学习课程，链接如下：点击打开链接。同时用脑图的形式整理记忆，希望可以坚持下去。...

1. 本章要做什么上一章我们说到一个参数的线性回归，房价只和一个参数房子面积的关系，这一章，我们要讲多个参数的线性回归。多元线性回归(multivariate linear regression)比如：房价与房子面积、卧室间数、房子层数、房龄等多个元素之间的关系。符号表示：房子面积、卧室间数、房子层数、房龄、房价分别用x1, x2, x3, x4，y来表示。M：仍然是样本的总数量n ： 特征数量即...