小小少年eason的博客

参考 https://blog.youkuaiyun.com/silver1225/article/details/100393719 感谢原博主@不一样的雅兰酱 相关文件保存到百度网盘提供大家下载 链接：https://pan.baidu.com/s/1DiXmCwOccZeQVLegXpdhBg 提取码：pyto 复制这段内容后打开百度网盘手机App，操作更方便哦–来自百度网盘超级会员V4的分享 pytorch用pip下载很慢, 可以从百度网盘下载whl文件后使用pip instal ***.whl进行安装

环境: GPU2080ti ubuntu 18.04 python 3.6 cuda 11.1 cudnn 8.10 for cuda 11.0, 11.1, 11.2 pytorch 对应版本 改用root用户去运行即可, 原因未知

一、病人分类的例子 让我从一个例子开始讲起，你会看到贝叶斯分类器很好懂，一点都不难。 某个医院早上收了六个门诊病人，如下表。 症状 职业 疾病 打喷嚏 护士 感冒 打喷嚏 农夫 过敏 头痛 建筑工人 脑震荡 头痛 建筑工人 感冒 打喷嚏 教师 感冒 头痛 教师 脑震荡 现在又来了第七个病人，是一个打喷嚏的建筑工人。请问他患上感冒的概率有多大？ 根据贝叶斯定理...

简书《从零开始用Python搭建超级简单的点击率预估模型》 作者：流川枫AI 链接：https://www.jianshu.com/p/131e6701f7ec # coding:utf-8 import numpy as np class NeuralNetwork(): # 随机初始化权重 def __init__(self): np.random.se...

KNN算法 k-近邻算法（kNN)， 它的⼯作原理是：存在⼀个样本数据集合， 也称作训练样本集， 并且样本集中每个数据都存 在标签， 即我们知道样本集中每⼀数据与所属分类的对应关系。 输⼊没有标签的新数据后， 将新数据的每个特征与样本集中数据对应的特征进⾏⽐较， 然后算法提取样本集中特征最相似数据（最近邻） 的分类标签。 ⼀般 来说， 我们只选择样本数据集中前k个最相似的数据， 这就是k-近邻算法...

示例：在约会网站上使用k-近邻算法 (1) 收集数据：提供文本文件。 (2) 准备数据：使用Python解析文本文件。 (3) 分析数据：使用Matplotlib画二维扩散图。 (4) 训练算法：此步骤不适用于k-近邻算法。 (5) 测试算法：使用海伦提供的部分数据作为测试样本。 测试样本和非测试样本的区别在于：测试样本是已经完成分类的数据，如果预测分类与实际类别不同，则标记为一个错误。 (6) ...

过程 收集数据： 提供⽂本⽂件。 准备数据： 编写函数classify0()， 将图像格式转换为分类器使 ⽤的list格式。 分析数据： 在Python命令提⽰符中检查数据， 确保它符合要求。 训练算法： 此步骤不适⽤于k近邻算法。 测试算法： 编写函数使⽤提供的部分数据集作为测试样本， 测试样 本与⾮测试样本的区别在于测试样本是已经完成分类的数据， 如果 预测分类与实际类别不...

基于贝叶斯决策理论的分类方法 朴素贝叶斯 优点：在数据较少的情况下仍然有效，可以处理多类别问题。 缺点：对于输入数据的准备方式较为敏感。 适用数据类型：标称型数据。 假设现在我们有一个数据集，它由两类数据组成 p1(x,y)表示数据点(x,y)属于类别1（图中用圆点表示的类别）的概率 ,用p2(x,y)表示数据点(x,y)属于类别2（图中用三角形表示的类别）的概率 对...

决策树的原理 你是否玩过⼆⼗个问题的游戏， 游戏的规则很简单： 参与游戏的⼀⽅在脑海⾥想某个事物， 其他参与者向他提问题， 只允许提20个问题， 问题的答案也只能⽤对或错回答。 问问题的⼈通过推断分解， 逐步缩⼩待猜测事物的范围。 决策树的⼯作原理与20个问题类似， ⽤户输⼊⼀系列数据， 然后给出游戏的答案 决策树的优缺点 优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处...