weixin_44183162的博客

KNN算法（监督学习，适用于少量数据）kNN思想该算法的思想是：一个样本与数据集中的k个样本最相似，如果这k个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。（1）KNN属于惰性学习（lazy-learning）这是与急切学习（eager learning）相对应的，因为KNN没有显式的学习过程！也就是说没有训练阶段，从上面的例子就可以看出，数据集事先已有了分类和特征值，待收到新样本...

import tensorflow as tf# tf.app.flags.DEFINE_integer("train_step",100,"训练步数")# tf.app.flags.DEFINE_string("model_dir"," ","模型目录")### FLAGS =tf.app.flags.FLAGSclass MyLinearRegression(object):...

import pandas as pdfrom sklearn.feature_extraction import DictVectorizerfrom sklearn.tree import DecisionTreeClassifierfrom sklearn.model_selection import train_test_split##http://biostat.mc.van...

import pandas as pddata_origin = pd.read_csv('data.csv',encoding = 'gbk')#打开停用词文件with open('stopwords.txt','r',encoding = 'utf-8') as fp: stop_words = fp.readlines() #返回列表#通过map函数将空格去掉，再用map...

Delta 学习规则粉色为隐藏层，应用于多层神经网络，此处共有3层。

Delta规则激活函数f

正确率与召唤率（precision and Recall）是广泛应用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。一般来说，正确率就是检索出来的条目有多少是正确的，召回率就是所有正确的条目有多少被检索出来了。我们希望检索结果Precision越高越好，同时Recall也越高越好，但事实上这两者在某些情况下是有矛盾的。比如极端的情况下，我们只搜索出了一个结果，而且是准确的，那...