- 博客(7)
- 收藏
- 关注
RSS订阅原创 线性回归的知识点
在每次迭代中，算法会计算损失函数关于当前参数的梯度（即偏导数），然后根据梯度方向更新参数。x(i),y(i))。在每次迭代中，批量梯度下降法都会使用整个训练集来计算损失函数的梯度，并据此更新模型的参数。最小二乘法是一种直接求解最优参数的方法，通过对损失函数求导并令其为零，可以解得参数的闭式解。其中，m 是样本数量，hθ(x(i)) 是模型对第 i 个样本的预测值，y(i) 是第 i 个样本的实际值，θ 是模型的参数向量。其中，α是学习率，x(i)和y(i)分别表示第i个样本的特征和标签，∇θJ(θ;
2024-07-20 01:02:19
533
原创 K-近邻算法
问题定义：首先，需要明确机器学习任务的目标，即要解决什么问题。这个问题应该能够通过机器学习模型来预测或分类数据。数据收集：根据问题的需求，从不同的数据源收集相关数据。这些数据可以是结构化数据（如数据库中的表格数据）或非结构化数据（如文本、图像、音频等）。KD树是一种用于处理多维数据的数据结构，它是二叉搜索树的一种变体。KD树通过递归地将多维空间划分为一系列的超矩形区域，每个节点代表一个超平面，将空间分为两个子空间。
2024-07-19 02:23:20
985
原创 Seaborn
Seaborn是一个基于Matplotlib的Python数据可视化库，它提供了多种直观且美观的数据可视化方法。首先在终端中下载输入pip install seaborn问题：seaborn中的示例数据集无法使用、下载压缩包后电脑没有seaborn-data文件夹，在用户下创建后仍无法使用。
2024-07-18 12:26:51
836
原创 pandas的索引赋值和案例
获取分组之后的某一部分数据： df.groupby(by=["Country","State/Province"])["Country"].count() 对某几列数据进行分组： df["Country"].groupby(by=[df["Country"],df["State/Province"]]).count()处理方式2：填充数据，t.fillna(t.mean()),t.fiallna(t.median()),t.fillna(0)元组里面是（索引(分组的值)，分组之后的DataFrame）
2024-07-14 14:31:58
805
原创 matplotlib的简单基础
plt.scatter(x_3,y_3,1abel="3月份") plt.scatter(x_10,y_10,labet="10月份")plt.plot(x,y_2,label="同桌",color="cyan" ,linest yle="--") ---线线图。plt.plot(x,y_1,label="自己",color ="orange",line style=':') ---点图。x = range(2,26,2) --从2开始到25，步长为2。
2024-04-24 15:59:02
949
原创 numpy
sum() any () all() mean () std()var() argmax ()经常与逻辑表达式配合，比如查询一组数据中大于均值的所有数 argmin () np.median()1.特点:数据类型相同的有序的数据集合，如果初始化的数据类型不同，会强制类型统一。访问元素:arr[index1，index2，index3...]最终目的:就是保证参与运算的两个数组形状一致 array + num。访问列:arr[:,列索引］访问行:arr[行索引]2.输入输出历史:InOut。
2024-04-23 08:52:28
494
原创 pandas和DataFrame
查看头尾n个元素:head()，tail() isnull()，notnull()配合any()，all()来检查是否存在空值。注意: 索引操作都是闭区间，下标操作都是开区间下标:s[index1:index2] loc iloc。DataFrame + Series --> df.add(s,axis=0\1)指定索引对齐的方向。去重操作:unique() [A,B, A,B,C] --> [A，B，C]Series 一维数组，类似字典 Series(data, index)
2024-04-23 08:46:06
456
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人