ysuprogrammer_li的博客

χ2\chi^2χ2检验χ2检验\chi^2检验χ2检验主要用于无参数的统计中，一般用来检验某一特征与类别的相关性，偏离度越大，χ2\chi^2χ2值越大。双总体T检验双总体T检验是检验两个样本平均数与其各自代表的总体的差异是否显著。斯皮尔曼相关系数斯皮尔曼相关系数（Spearman Correlation）表明变量xxx（独立变量）与变量yyy（依赖变量）的相关方向。当xxx增加，yyy趋向于增加时，SpearmanSpearmanSpearman值为正，反之为负；SpearmanSpearma

混淆矩阵 Predict Positive Negative Real Positive TP FN Negative FP TN 准确率准确率（Accuracy）是指有在所有的判断中有多少判断正确的（即正类被预测为正类，负类被预测为负类）accuracy=TP+TNTP+FP+FN+TNaccuracy=\frac{TP+TN}{TP+FP+FN+TN}accuracy=TP+FP+FN+TNTP+TN​精确率精

Number of dp modules in each interval in the sample data setFeatureI1I_1I1​I2I_2I2​x1x_1x1​46x2x_2x2​73Number of ndp modules in each interval in the sample data setFeature...

回归系数更新公式 weigths=weights+alpha×\times×dataMatrix.transpose()×\times×error 公式原理损失函数定义J(θ)=12m∑i=1m(yi^−yi)2=12m∑i=1m(hθ(xi)−yi)2J(\theta)=\frac{1}{2m}\sum_{i=1}^{m}(\widehat{y_i}-y_i)^{2}=\frac{1}{2...

求和相关使用求和函数sum([axis=0|1])，根据参数不同可实现不同求和方式。矩阵整体数据的求和运算使用无参求和函数，可实现对矩阵整体数据的求和运算。from numpy import matsample = mat([[1, 2], [3, 4]]sample.sum()执行结果：101010矩阵按列求和运算求和函数参数为0时，可实现矩阵按列求和运算。from num...