- 博客(19)
- 收藏
- 关注
RSS订阅原创 app inventor web.GotText无反应，GotFile有反应
当web组件SaveResponse打上时，GotText接收不到任何文本信息，默认为接收到file，花了一天，还以为是什么问题。
2024-01-24 16:13:52
414
原创 Machine Learning A-Z学习笔记16-Thompson抽样算法
Machine Learning A-Z学习笔记16-Thompson抽样算法1.简单原理本文继续讲一个强化学习的算法，叫做Thompson抽样算法。这个算法的数学理论基础要用到的是贝叶斯推断(Bayesian Inference)。我们先谈谈这个算法的基本原理，同样以多臂老虎机为例抽样算法的计算流程如图所示，横轴代表奖励，越往右边表示奖励越多。三条竖线代表三个不同的老虎机它们的平均奖励。在算法开始前，我们是什么都不知道的，因此需要得到一些基础数据。图中有四个蓝色的数据，表示按下蓝色老虎
2022-03-07 12:04:13
1501
1
原创 Machine Learning A-Z学习笔记15-置信区间算法
Machine Learning A-Z学习笔记15-置信区间算法1.简单原理用多臂老虎机问题，也就是探讨如何用最少的代价得知哪一台老虎机的中奖率最高，作为置信区间算法(Upper Confidence Bound, UCB)的举例。这张图是五台老虎机的中奖概率分布，X轴代表奖金额度，Y轴代表中概率，所以我们可以知道第五台老虎机的报酬率最高。接下来要探讨如何用一个良好的策略，通过不断的"探索(exploration)"，尽快找到拥有最佳中奖概率分布的老虎机，并且"利用(exploitation)
2022-03-07 10:16:44
1078
原创 Machine Learning A-Z学习笔记14-先验算法
Machine Learning A-Z学习笔记14-先验算法1.简单原理先验算法（Apriori Algorithm）是关联规则学习的经典算法之一。我们可以从上面面的两个简单例子发现，看过点影2的人也会去看电影4；买蔬菜的顾客也会买水果。而先验算法有三个指标，分别为支持度(Support)、讯息水准(Confidence)、提升度(Lift)，下面将逐一介绍。支持度(Support)=看过电影m的人/所有用户讯息水准(Confidence))=看过电影m1和m2的人看过电影m1的人
2022-03-06 16:59:06
1035
原创 Machine Learning A-Z学习笔记13-Kmeans
Machine Learning A-Z学习笔记13-Kmeans1.简单原理K-means算法，也称为K-平均或者K-均值，一般作为掌握聚类算法的第一个算法。简单来说就是，先假定要分K个类别，然后基于欧氏距离，将左图灰色数据点分成K个类别。所以会有下面两个核心问题:如何确定类别个数，即K应该等于多少?不靠人体标签的情形下，如何确定每一灰色数据点应该要被分到哪一类?1.指定想要的类别个数K2.随机在数据空间中选择K个位置(不一定要从数据集中挑选)，将其作为每个初始类别的中心3.这步称
2022-03-06 16:34:58
198
原创 Machine Learning A-Z学习笔记12-分类模型性能评级及选择
Machine Learning A-Z学习笔记12-分类模型性能评级及选择1.简单原理一般认为假阴性比假阳性更严重，如核酸检测用混淆矩阵表示如下图准确率驳论(Accuracy Paradox)。我们可以看到上述例子，我们拟合后发现准确率达98%，但是可以如果让模型一律回答0的話，准确率可以提升到98.5%。可以看出混淆矩阵对这种情况并不适用。累积准确性（cumulative accuracy profile，CAP），一个比混淆矩阵更客观判定分类模型优劣的指标CAP曲线(Cumu
2022-03-06 11:12:09
453
原创 Machine Learning A-Z学习笔记11-随机森林
Machine Learning A-Z学习笔记11-随机森林1.简单原理随机森林(Random Forest)，由决策树演化而成的算法，由多个决策树建立而成。流程如下:从训练集中随机挑选K个数据点并打包成一组子训练集对子训练集建立决策树假设你想要建立10棵树，则执行步骤1和2共10次当新数据点進到森林中，决策树都会进行判断，然后投票将新数据点化为划为莫一类。2.相关代码# Random Forest Classification# Importing the librarie
2022-03-05 11:30:39
95
原创 Machine Learning A-Z学习笔记10-决策树
Machine Learning A-Z学习笔记10-决策树1.简单原理决策树(Classification and Regression Tree, CART)，可以运用于分类问题和回归问题，本章主要描述分类问题我们有红点和绿点两类数据，决策树会用分类线将上述数据做区域切割经过四层判断我们可以大致得到红色和绿色的区域，当要判断的点落入那个区域，即什么颜色。但是现实中很难有分类那么明显的区域。所以我们一般会进行到第三层，避免过度拟合。2.相关代码# Decision Tree Classi
2022-03-05 11:17:15
106
原创 Machine Learning A-Z 学习笔记9-贝叶斯定理
Machine Learning A-Z 学习笔记9-贝叶斯定理第九章贝叶斯定理1.简单原理公式如下：其中P（A|B）表示在实现B的情况下，发生A的概率，P（B|A）同理现在通过一个简单的例子进行说明，由年龄和薪水判断出行方式第一步，先算出先行概率第二步，算出似然概率（即条件相似概率）第三步，接着算出行人中，相似条件有多少最终算出相似条件中行人的概率同理计算出相似条件中驾驶出行的概率最后通过比较大小来判断出现方式相关问题：1.为什么叫朴素贝叶斯？因为贝叶斯需要独立
2022-03-04 22:37:41
109
原创 Machine Learning A-Z 学习笔记8
Machine Learning A-Z 学习笔记8第八章 Kernel SVM1.1简单原理上一节的线性SVM是针对线性可分的数据（如左），若数据为非线性可分的情况则可以采用其他Kernel算法以一维的非线性例子为例，我们可以通过运算将一维图像变为二维，再进行线性分离所以我们通常将低维数据投射到高维进行切割，切割完毕后再投射回原来的的维度。高斯径向基函數(gaussian radial basis function kernel)分析。原维度数据点，常数:基准点/中心点，
2022-03-04 21:28:28
92
原创 Machine Learning A-Z学习笔记7
Machine Learning A-Z学习笔记7第七章 SVM1.简单原理1.1 介绍无监督学习我们对机器学习分类时，把它分成两类监督学习和无监督学习，在前面我们对监督学习进行了详细的介绍，总结一下它的特点就是，我们有一组训练集，每个数据都有一个标签，即我们知道这个数据是输入哪一类的，而我们的无监督学习却是这样的，它的训练数据集是没有标签的，所以我们只能根据哪些数据聚集在一起，然后把他们分成一类,这也就是聚类的含义。1.2svm支持向量机(support vector machine, SVM
2022-03-04 10:57:10
364
原创 Machine Learning A-Z学习笔记6
Machine Learning A-Z学习笔记6第六章逻辑回归1.简单原理如以下例子，运用线性回归不能很好的拟合模型此时可以采用逻辑预测购买者的购买概率通过Sigmoid函数将元贝的回归线变成范围在0~1之间的曲线，代表0%购买率和100%购买率假设年龄为是20、30、40、50，则相应的购买概率为0.7%、23%、85%、99.4%。预测购买率大于50%的则认为会进行购买2.相关代码# Logistic Regression"""逻辑回归:年紀+收入vs购买车辆"""
2022-03-03 19:55:17
111
原创 Machine Learning A-Z学习笔记5
Machine Learning A-Z学习笔记5第五章 回归模型的评估与选择1.R平方与广义R平方剩余平方和（residual sum of squar):拟合线诠释数据特征，越小越好，负数代表模型错误。共平方和(total sum of square):数据波动情况。R平方(R-squared):拟合线诠释数据特征，越接近1代表模型越好。R平方最多等于1，也就是剩余平方和等于0，這是理想。R平方如果為负值，也就代表剩余平方和过大，模型错误R平方无法客观评价加入新
2022-03-03 19:18:21
258
原创 Machine Learning A-Z学习笔记4
Machine Learning A-Z学习笔记4第四章多项式线性回归1.简单原理简单线性回归：只有1个自变量多元线性回归:有多个自变量多项式线性回归:只有1個自变量，但次数不为1适用情况# Polynomial Regression#导入库import numpy as npimport matplotlib.pyplot as pltimport pandas as pd# 导入数据dataset = pd.read_csv('Position_Salaries.csv
2022-02-26 12:15:08
562
原创 Machine Learning A-Z学习笔记3
Machine Learning A-Z学习笔记3第三章多元线性回归1.简单原理多元线性回归(Multiple Linear Regression):拥有多个变量有关线性回归的五大准则以"公司营收"為例子，可以知道X1~X4分別代表研发成本，行政支出，市场营销，公司所在地对于公司位置不是一个数值，所以需要OneHotEncoder将地点变为虚拟变量虚拟变量的陷阱：一定要去除线性相关量由于多元线性回归有多个变量，但并不是所有变量都有用，所以我们需要一系列操作来筛选合适的变量al
2022-02-26 10:59:24
850
原创 Machine Learning A-Z学习笔记2
Machine Learning A-Z学习笔记第二章 简单线性回归1.简单原理简单线性回归(Simple Linear Regression):只有1个自变量自变量(Indenpent Variable)因变量(Denpent Variable)常量(Constant)系数(Coefficient)一个简单例子。初始薪水30k，这就是常量。每增加1年的薪水增加10，这就是系数。薪水受到年份影响，因此薪水为因变量，年份为自变量。黑色线条为回归线，代表薪水于年份的关系。。红点为
2022-02-25 10:48:37
794
原创 opencv学习笔记
opencv学习笔记一图像基本操作读取图像图像显示图像保存视频基本操作学习视频：https://www.bilibili.com/video/BV1m54y1Q7tNhttps://www.bilibili.com/video/BV16K411W7x9常用库为库： cv2、numpy、matplotlib图像基本操作图片由h * w * c个像素组成单通道为灰度图像现实一般分为三通道，及R/G/B（红/绿/蓝），每个通道图片由h * w个像素组成，像素范围在0-255(即黑-白)，所以图片nu
2020-08-07 11:17:42
124
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人