2017年08月__Magic

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创关于sklearn.svm.SVC与.NuSVC的区别以及参数介绍

0. 区别SVC与NuSVC是类似的方法，但是接受稍微不同的参数集合并具有不同的数学公式，并且NuSVC可以使用参数来控制支持向量的个数 , 以下代码默认的是多分类1. SVC# coding:utf-8from sklearn import svmfrom numpy import *X = array([[0], [1], [2], [3]])y = array([0, 1, 2, 3]

2017-08-24 22:05:06 12137

原创关于数据降维函数sklearn-PCA的使用

1. PCA介绍PCA是主成分分析，用来降维，用少量的变量去解释大部分变量，使得变量维度减少，从而减少计算量。2. 调用方法以及参数的简单介绍# 先看看PCA构造函数中的默认参数'''def __init__(self, n_components=None, copy=True, whiten=False, svd_solver='auto', tol=0

2017-08-23 22:03:33 2963

原创利用Apriori算法进行关联分析

1. Apriori算法Apriori算法是一种挖掘关联规则的频繁项集算法，这些关系有两种形式 : 频繁项集和关联规则。举个例子就知道了：著名的”尿布与啤酒”。这就是通过关联分析来获取到的结果。2. 名词解释前后文中存在的名词都放在这里了 1. 频繁项集：在事件集合中出现频繁的项目 2. 关联规则：尿布-啤酒关联等等说明有很大的几率同时出现 3. 支持度：该项出现的次

2017-08-19 15:45:29 1169

原创 AdaBoost元算法数据集

# 训练集'''2.000000 1.000000 38.500000 66.000000 28.000000 3.000000 3.000000 0.000000 2.000000 5.000000 4.000000 4.000000 0.000000 0.000000 0.000000 3.000000

2017-08-17 16:45:06 594

原创利用AdaBoost元算法提高分类性能

1. 元算法介绍做重要决定时，大家可能会考虑多个权威的意见而不是一个人的意见，机器学习中也是如此，这就是元算法的背后思想。元算法是对其他算法组合的一种方式。优点：泛化错误低，易编码，可以用在大部分分类器上，无参数调整问题缺点：对离群点敏感2. AdaBoost思想以及涉及公式2.1 简单理解AdaBoost是adaptive boosting(自适应boosting)的缩写，是利用弱分类

2017-08-17 16:43:25 1151

原创神经网络NN简单理解以及算法

1.什么是神经网络1.1 背景 :以人脑中的神经网络为启发，历史上出现过很多不同版本最著名的算法是1980年的 backpropagation 1.2 多层向前神经网络(Multilayer Feed-Forward Neural Network)Backpropagation被使用在多层向前神经网络上多层向前神经网络由以下部分组成：输入层(input layer), 隐藏层 (hid

2017-08-15 16:07:42 5552 4

原创简单Trie树

#include #include #include using namespace std;const int maxn=500010;int num;int indegree[maxn];int root[maxn];char sx[12],sy[12];typedef struct trie{ int cnt; int exist; trie

2017-08-12 15:05:34 351

原创 Power Strings poj2406 （kmp 进阶 next数组使用）

Power StringsTime Limit: 3000MS Memory Limit: 65536KTotal Submissions: 46647 Accepted: 19516DescriptionGiven two strings a and b we define a*b to be their concate

2017-08-12 15:04:58 437

原创支持向量机(SVM)理解以及在sklearn库中的简单应用

1. 什么是支持向量机英文Support Vector Machines，简写SVM . 主要是基于支持向量来命名的，什么是支持向量后面会讲到…….最简单的SVM是用来二分类的，在深度学习崛起之前被誉为最好的现成分类器，”现成”指的是数据处理好，SVM可以直接拿来使用 …2. 名词解释2.1线性(不)可分，超平面上图线性可分(绿色荧光笔直线)，即一条直线完美分类，虽然有不同的分割法，

2017-08-12 12:12:43 4426 4

原创支持向量机-数据集

# 训练集'''1.000000 0.067732 3.1765131.000000 0.427810 3.8164641.000000 0.995731 4.5500951.000000 0.738336 4.2565711.000000 0.981083 4.5608151.000000 0.526171 3.9295151.000000 0.378887 3.526170

2017-08-12 09:08:14 2223 1

原创树回归问题

1. 树回归基于之前的线性回归，树回归归根结底也是回归，但不同的是，树回归可以更好的处理多特征的非线性回归问题，其基本思想就是切分数据集，切分至易拟合的数据集后进行线性回归建模。（复杂数据的局部建模）1.1回归树节点为数值型/标称型模型树节点为线性模型2.优缺点优点: 可以对复杂的非线性数据建模缺点: 结果不易理解，抽象化3.伪代码'''部分核心代码伪代码1.建树creatTree

2017-08-10 16:03:01 661

原创回归算法之岭回归

1. 岭回归首先，说一下岭回归名字的由来，w^=(XTX+λI)−1⋅XTy\hat{w} = (X^TX + \lambda I)^{-1}·X^Ty，其中，I 是单位矩阵(对角线全是1，像”山岭“)，λ\lambda 是岭系数(顾名思义…改变其数值可以改变单位矩阵对角线的值)其次，岭回归是基于最小二乘法 w^=(XTX)−1⋅XTy\hat{w} = (X^TX)^{-1}·X^Ty

2017-08-06 20:04:15 7383

原创线性回归以及局部加权回归

0回归的含义 1线性回归1-1 数学公式1-2 误差以及公式最小二乘法 1-3 伪代码 1-4 代码见下文2-4 1-5 图像以及结果 1-6 优缺点与改进 2 局部加权回归 2-1 数学公式图像以及思想 2-2 伪代码 2-3 代码包含本文所有代码 2-4 图像附测试数据 0.回归的含义回归英文:regress 用了倒推的含义，利用了数学的归纳思想，

2017-08-02 18:20:56 3723