wodejiaozj的专栏

boosting and bagging ：   bagging ：（bootstrap aggregating）简称bagging ，是一种基于数据随机抽取的分类器构造方法，从数据中按一定的抽取方式S个样本，然后s个样本对应s个分类器，经训练后，输入新的数据后，经过s个分类器的投票后确定类别并输出。boosting ：其代表是adaboost方法，（adaptive boosting ）简

1，准备数据：            从文件中读出文件（数据来自海伦约会网站例子）；展示如图                            2 ，数据归一化  主要公式：newvalue =（oldvalue-min）/（max-min） >>> tmpmat,rangs,mins =knn.autonorm(mat) >>> tmpmat array([[ 0.4

一，EM-PYTHON 代码：#! /usr/bin/env python #coding=utf-8 ''' author:zhaojiong EM算法初稿2016-4-28 初始化三个一维的高斯分布， ''' from numpy import * import numpy as np import matplotlib.pyplot as plt import copy def i

原标题：Negative Sampling Improves Hypernymy ExtractionBased on Projection Learning 原作者们（感谢国际友人）：Dmitry Ustalov†, Nikolay Arefyev§, Chris Biemann‡, and Alexander Panchenko 致谢！ 源论文下载查看 以下翻译依据go