- 博客(9)
- 资源 (2)
- 收藏
- 关注
转载 Bootstrap的基本使用方法
本文转载自:http://blog.csdn.net/codebycoder/article/details/51001256 作为Coder,我们都接触过Web design,如何快速的构建Web应用成了我们比较头疼的一个问题,不仅要考虑各种浏览器的兼容性,同时还要考虑各种手机的页面适配,毕竟现在已经到了互联网手机满天飞的时代了。我有会听嵩哥的歌,对,唱歌的那位,因为
2016-09-26 19:57:09 1140
转载 再谈机器学习中的归一化方法(Normalization Method)
本文转载自:http://blog.csdn.net/zbc1090549839/article/details/44103801机器学习、数据挖掘工作中,数据前期准备、数据预处理过程、特征提取等几个步骤几乎要花费数据工程师一半的工作时间。同时,数据预处理的效果也直接影响了后续模型能否有效的工作。然而,目前的大部分学术研究主要集中在模型的构建、优化等方面,对数据预处理的理论研究甚少,可以说
2016-09-21 08:44:25 2012
转载 R语言----绘图学习笔记之Scatter plots
本文转载自:http://www.cnblogs.com/youxilua/archive/2012/01/12/2320455.html前言 最近某项目要搞数据挖掘,需要对数据进行可视化显示,原本我是打算直接用excel 算了,打算,用了一段时间,发现有些数据图用excel麻烦得要命,然后,上网找了一下,原来,有在这方面也有一门专门的语言----R语言,我发现,用它绘制数据
2016-09-20 19:26:14 26361
转载 R语言基础画图
本文转载自:http://www.cnblogs.com/bore3601/archive/2012/12/05/2803676.html今天要给amina画图,所以学习了一下R语言的基础画图。1.plot函数 plot(x,y,xlim=c(0,100),ylim=c(0.4,1), type="o",lwd=2,col=2,pch=24,cex=1.5,
2016-09-20 18:50:40 2015
转载 R语言曲线拟合函数(绘图)
本文转载自:http://blog.sina.com.cn/s/blog_8eee7fb60101g25j.html曲线拟合:(线性回归方法:lm)1、x排序2、求线性回归方程并赋予一个新变量 z=lm(y~x+I(x^2)+...)3、plot(x,y) #做y对x的散点图4、lines(x,fitted(z)) #添加拟合值对x的散点图并连线
2016-09-09 16:45:32 97498
转载 在Python中使用线性回归预测数据
本文转载自:http://python.jobbole.com/81215/本文中,我们将进行大量的编程——但在这之前,我们先介绍一下我们今天要解决的实例问题。1) 预测房子价格我们想预测特定房子的价值,预测依据是房屋面积。2) 预测下周哪个电视节目会有更多的观众闪电侠和绿箭侠是我最喜欢的电视节目。我想看看下周哪个节目会有更多的观众。
2016-09-08 23:13:01 5675
转载 逻辑回归
本文转载自:http://blog.csdn.net/pakko/article/details/37878837什么是逻辑回归?Logistic回归与多重线性回归实际上有很多相同之处,最大的区别就在于它们的因变量不同,其他的基本都差不多。正是因为如此,这两种回归可以归于同一个家族,即广义线性模型(generalizedlinear model)。这一家族中的模型形式基
2016-09-08 22:31:08 582
转载 用Python和scikit-learn来介绍机器学习
本文转载自:http://blog.csdn.net/u010046690/article/details/51436484用Python和scikit-learn来介绍机器学习用Python和scikit-learn来介绍机器学习数据加载数据正则化特征选择算法开发LR朴素贝叶斯K最近邻决策树支持向量机怎样优化算法参数
2016-09-08 22:26:55 1630
转载 《机器学习实战》预测数值型数据-回归(Regression)
本文转载自:http://blog.csdn.net/gamer_gyt/article/details/514052511:用线性回归找到最佳拟合曲线 回归的目的是预测数值型的目标值。最直接的办法是依据输人写出一个目标值的计算公式。假如你想要预测姐姐男友汽车的功率大小,可能会这么计算:这就是所谓的回归方程,其中的0.0015和-0.
2016-09-08 19:34:14 4771
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人