- 博客(16)
- 收藏
- 关注
RSS订阅原创 ML十大算法之线性回归
用此算法前要注意其前提条件：是否为线性回归？因此，我们要遵循一定的条件：1.线性回归是一个回归问题。2.要预测的变量 y 与自变量 x 的关系是线性的（图2 是一个非线性）。3.各项误差服从正太分布，均值为0，与 x 同方差（图4 误差不是正太分布）。4.变量 x 的分布要有变异性。5.多元线性回归中不同特征之间应该相互独立，避免线性相关。区分回归与分类：分类和回归的区别在于输出变量的类型。 定量输出称为回归，或者说是连续变量预测； 定性输出称为分类，或者说是离散变量预测。 举个例子： 预测
2022-03-20 20:47:53
2123
转载 十大算法之决策树&随机森林（集成学习）
一、决策树三大算法决策树构建的基本步骤如下：1.开始讲所有记录看作一个节点2.遍历每个变量的每一种分割方式，找到最好的分割点分成两个节点N1和N23.对N1和N2分别继续执行2-3步，直到每个节点足够“纯”为止。[Source]https://www.cnblogs.com/bourneli/archive/2013/03/15/2961568.html概念回顾基尼值Gini（D）：从数据集D中随机抽取两个样本，起类别标记不一致的概率，故，Gini（D）值越小，数据集D的纯度越高。参考地址
2022-03-20 20:40:56
357
原创 缺失值补充的方法
train_data = pd.read_csv('train_data.csv', encoding='gbk') # 读取数据集 filter_feature = ['id','label'] # 过滤无用的维度features = []for x in train_data.columns: # 取特征 if x not in filter_feature: features.append(x) train_data_x = train_data[features]
2022-03-20 15:15:21
8164
转载 十大算法之SVM
支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。概念解析：凸二次规划凸二次规划问题：当目标函数是二次型函数且不等式约束函数 g 是仿射函数时，就变成一个凸二次规划问题。
2022-03-17 20:35:36
1666
原创 贝叶斯算法
朴素贝叶斯法 是一种基于贝叶斯定理与特征条件独立假设的分类方法。其中朴素指的就是条件独立 。 朴素贝叶斯在分类的时候不是直接返回分类，而是返回属于某个分类的概率。在sklearn中提供了三种不同类型的贝叶斯模型算法 - 高斯朴素贝叶斯 - 多项式朴素贝叶斯 - 伯努利朴素贝叶斯一、多项式朴素贝叶斯多项式朴素贝叶斯主要适用于离散特征的概率计算，且sklearn的多项式模型不接受输入负值。 若处理连续性变量要选择高斯模型。多项式朴素贝叶斯多用于文档分类，它可以计算出一篇文档为某些类别的概率，最大概
2022-03-09 20:25:40
249
原创 避免浮点数下溢小方法
浮点数的下溢一般是由很多很小的数的连乘造成的，读者可以在 Python 中尝试用很多很小的数相乘，最后四舍五入后会得到 0.一种解决办法是对乘积取自然对数，在对数中有：lna⋅b=lna+lnbln∑ixx=∑ilnxilna⋅b=lna+lnbln∑ixx=∑ilnxi避免了太小的数之间的连乘，通过求对数可以避免浮点数的下溢或者浮点数舍入导致的错误。采取自然对数进行处理不会有任何损失。def trainNB0(trainMatrix,trainCategory): #训练朴素贝叶
2022-03-08 20:21:48
1736
原创 解决问题ssl（网络验证）
如果网站的SSL证书是经过CA认证的，则能够正常访问，如：https://www.baidu.com/等…如果SSL证书验证不通过，或者操作系统不信任服务器的安全证书，比如浏览器在访问12306网站先看没有忽略SSL证书验证的错误的import urllib.requestimport ssl#处理HTTPS请求 SSL证书验证 ``忽略认证 比如12306 网站url = "https://www.12306.cn/mormhweb/"header = headers = { "U
2022-03-06 20:48:35
3095
原创 Pytorch学习
Pytorch初步认识深度学习大致就是这么一个用人类的数学知识与计算机算法构建起来的整体架构，再结合尽可能多的训练数据以及计算机的大规模运算能力去调节内部参数，尽可能逼近问题目标的半理论、半经验的建模方式。 深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
2021-06-28 15:49:18
114
原创 基于arduino超声波测距学习
HC-SRO4 超声波测距VCC 是HC-SR04超声波距离传感器的电源，我们连接了Arduino上的5V引脚。Trig (Trigger） 引脚用于触发超声波脉冲。(A0）Echo 回声当接收到反射信号时，引脚产生一个脉冲。脉冲的长度与检测发射信号所需的时间成正比。（A1）GND 应该连接到Arduino的地。int TrgPin = A0;int EcoPin = A1;float dist;void setup(){ Serial.begin(9600);//设置TrgPin
2021-06-14 17:13:55
4370
2
原创 Arduino学习笔记
Arduino 关于串口监视器的知识不仅我们可以使用arduino编程软件在计算机上对arduino输出数据，我们也可以利用串口监视器从arduino往计算机输出。我们可以运用serial（串口通讯）实现这个功能，主要使用的是serial.println()（自带换行符） 与serial.read()还有serial.available（）实现基础功能。我们如果直接使用串口监视器对计算机输出的时候，会显示一堆乱码，这是因为当缓冲区中没有可读数据时，read()函数会返回int型值-1，而int型-1对应的
2021-05-08 19:19:13
640
原创 2021/4/17arduino
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片学习目标：学习内容：学习时间：学习产出：如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所
2021-04-17 20:43:28
161
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人