AI World

文章目录VMware下载VMware安装VMware下载官网VMware安装1、打开下载好的 exe 文件， 即可开始安装。2、勾选协议，下一步3、勾选增强型键盘驱动程序 ，此功能可更好地处理国际键盘和带有额外按键的键盘。默认安装到C盘，可修改！4、默认下一步5、默认下一步6、点击安装7、耐心等待8、许可证ZF3R0-FHED2-M80TY-8QYGC-NPKYF9、大功告成10、安装后要求重启系统，重启后进入软件。依次点击导航栏中的 帮助 -> 关于

文章目录什么是贝叶斯贝叶斯算例什么是贝叶斯贝叶斯定理由英国数学家贝叶斯 ( Thomas Bayes 1702-1761 ) 发展，用来描述两个条件概率之间的关系，如下：P(A∣B)=P(B∣A)P(A)P(B)P(A|B) = \frac{P(B|A)P(A)}{P(B)}P(A∣B)=P(B)P(B∣A)P(A)​P(A)：事件A发生的概率P(B)：事件B发生的概率P(A|B)：事件B发生的条件下（B已经发生），事件A发生的概率P(B|A)：事件A发生的条件下（A已经发生），事件B发生的概

文章目录算法介绍算法差异算法介绍XGBoost是陈天奇等人开发的一个开源机器学习项目，高效地实现了GBDT算法并进行了算法和工程上的许多改进，被广泛应用在Kaggle竞赛及其他许多机器学习竞赛中并取得了不错的成绩。说到XGBoost，不得不提GBDT(Gradient Boosting Decision Tree)。因为XGBoost本质上还是一个GBDT，但是力争把速度和效率发挥到极致，所以叫X (Extreme) GBoosted。两者都是boosting方法。算法差异其一：传统GBDT以C

文章目录混淆矩阵真正率假正率ROC-AUC理想情况混淆矩阵首先，在试图弄懂ROC和AUC概念之前，你一定要彻底理解混淆矩阵的定义！混淆矩阵中有着Positive、Negative、True、False的概念，其意义如下：称预测类别为1的为Positive（阳性）预测类别为0的为Negative（阴性）预测正确的为True（真）预测错误的为False（伪）。对上述概念进行组合，就产生了如下的混淆矩阵：真正率假正率然后，由此引出True Positive Rate（真正率）、False

文章目录模型参数常规参数学习任务参数模型参数n_estimatores： 总共迭代的次数，即决策树的个数early_stopping_rounds： 在验证集上，当连续n次迭代，分数没有提高后，提前终止训练。防止overfitting。max_depth： 树的深度，默认值为6，典型值3-10。值越大，越容易过拟合；值越小，越容易欠拟合。min_child_weight： 默认值为1,。值越大，越容易欠拟合；值越小，越容易过拟合（值较大时，避免模型学习到局部的特殊样

文章目录NumPy介绍NumPy创建NumPy数据类型NumPy运算NumPy索引切片NumPy高级索引NumPy形状改变NumPy广播NumPy线性代数NumPy介绍NumPy 是一个运行速度非常快的数学库，主要用于数组计算：一个强大的N维数组对象 ndarray广播功能函数整合 C/C++/Fortran 代码的工具线性代数、傅里叶变换、随机数生成等功能安装指令：pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

文章目录混淆矩阵准确率真正率假正率精确率召回率F-measure（F1）值混淆矩阵True Positive （真正, TP）被模型预测为正的正样本；True Negative（真负 , TN）被模型预测为负的负样本 ；False Positive （假正, FP）被模型预测为正的负样本；False Negative（假负 , FN）被模型预测为负的正样本；准确率准确率（Accuracy）。顾名思义，就是所有的预测正确（正类负类）的占总的比重accuracy=TP+TNTP+FN+FP+T

文章目录基本语法变量缩进英文符号注释属性和方法数据类型字符串整数浮点数布尔值循环for循环while循环条件判断if … else …if … elif … else……三元表达式列表生成式基本语法变量当在Python中创建变量（或名字），你就在等号右边创建了一个对这个变量的引用（就是赋值）。a = 'Hello World!'b = 1024pi = 3.14e = 2.718print(a,b,pi,e)缩进Python使用空白字符（tab键）来组织代码。冒号标志着缩进代码块的开始

文章目录损失函数：推导过程结论如下梯度提升分类树损失函数化简过程损失函数：定义交叉熵为函数ψ(y,F(x))\psi(y,F(x))ψ(y,F(x))ψ(y,F(x))=−yln(p)−(1−y)ln(1−p)\psi(y,F(x)) = -yln(p) - (1-y)ln(1-p)ψ(y,F(x))=−yln(p)−(1−y)ln(1−p)其中p=11+exp(−F(x))p = \frac{1}{1 + exp(-F(x))}p=1+exp(−F(x))1​​ ，即sigmoid函数

文章目录自省与补全常用快捷键魔法指令扩展插件安装教程在文末，有视频解析！！！（你一定要听~）自省与补全在变量前后使用问号？，可以显示对象的信息。输入变量后，按下Tab键，会显示变量的相关属性方法。常用快捷键运行代码：Shift + Enter增加一行：a（向上）、b(向下)查看方法详情：Shift + Tab更多快捷键魔法指令IPython中特殊的命令（Python中没有）被称作“魔术”命令。这些命令可以使普通任务更便捷，更容易控制IPython系统。魔术命令是在指令前添加百分号%前

文章目录相应软件安装cmake安装graphviz安装决策树画图实操相应软件安装pip install graphvizcmake安装下载地址软件安装过程，要勾选添加环境变量：然后一路下一步，就可以了~graphviz安装安装了Python库graphviz，还不够，还需要安装graphviz下载页面这个软件，下载地址如下：软件软件安装过程，要勾选添加环境变量：然后一路下一步，就可以了~决策树画图实操常规导出到图片（没有颜色设置）from sklearn.datasets

文章目录命令行运行命令行直接写代码命令行运行文件IPythonIPython终端jupyter notebook命令行运行命令行直接写代码视频教程Python是解释性语言。Python解释器同一时间只能运行一个程序的一条语句。标准的交互Python解释器可以在命令行中通过键入python命令打开：C:\Users\likai>pythonPython 3.8.10 (tags/v3.8.10:3d8993a, May 3 2021, 11:48:03) [MSC v.1928 64 bi

文章目录一步步搭建环境集成开发环境搭建一步步搭建环境初学者，往往，搞不定Python安装与环境变量！看过来，这里的就是为小白准备的~Python的版本一直在升级。这里我选择了3.8版本，同时也安装3.7的版本。不同版本可以在电脑上兼容。视频教程安装相应的Python库，这里安装了numpy、jupyter以作演示。并启动Jupyter，就可以在浏览器中编写代码了。视频教程有了Jupyter，对其进行相应配置，提高生产力。视频教程集成开发环境搭建集成开发环境，使用Anaconda，它是一个软件，

文章目录习惯力量改变习惯英国国家自行车队的故事改变习惯为什么这么难习惯养成的四个步骤习惯转变的四大定律第一定律：让它显而易见第二定律：让它有吸引力第三定律 让它简便易行第四定律 让它令人愉悦习惯力量播种一个思想，收获一个行动；播种一个行动，收获一个习惯；播种一个习惯，收获一种性格；播种一种性格，收获一种命运。习惯是一种无形的力量，支配着决定着改变着你的一切。你的每一个动作、行事方式都是由习惯构成的，但是我们平时感受不到。就像你感受不到自己的心跳和呼吸一样~饮食习惯决定了体重和健康状况，社交

文章目录历史故事公式介绍历史故事1801年，意大利天文学家朱赛普·皮亚齐发现了第一颗小行星谷神星。经过40天的跟踪观测后，由于谷神星运行至太阳背后，使得皮亚齐失去了谷神星的位置。随后全世界的科学家利用皮亚齐的观测数据开始寻找谷神星，但是根据大多数人计算的结果来寻找谷神星都没有结果。时年24岁的高斯也计算了谷神星的轨道。奥地利天文学家海因里希·奥伯斯根据高斯计算出来的轨道重新发现了谷神星。别人问高斯，你用什么方法计算的，高斯说保密~藏着掖着长达9年之久，最后高斯将其使用的最小二乘法的方法发表于18

文章目录NumPypandasmatplotlibIPython和JupyterSciPyscikit-learnstatsmodels考虑到那些还不太了解Python科学计算生态系统和库的读者，下面我先对各个库做一个简单的介绍。NumPyNumPy（Numerical Python的简称）是Python科学计算的基础包。本书大部分内容都基于NumPy以及构建于其上的库。它提供了以下功能（不限于此）：快速高效的多维数组对象ndarray。用于对数组执行元素级计算以及直接对数组执行数学运算的

文章目录Python进行数据分析历史Python作为胶水语言解决"两种语言"问题为什么选择PythonPython进行数据分析历史许许多多的人都很容易爱上Python这门语言。正所谓：人生苦短，我用Python！自从1991年诞生以来，Python现在已经成为最受欢迎的动态编程语言之一。在众多解释型语言中，由于各种历史和文化的原因，Python发展出了一个巨大而活跃的科学计算（scientific computing）社区。在过去的10年，Python从一个边缘的科学计算语言，成为了数据科学、机器学

文章目录学习目标什么样的数据？学习目标本专栏讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。我的目标是介绍Python编程和用于数据处理的库和工具环境，掌握这些，可以让你成为一个数据分析专家。虽然本书的标题是《利用Python进行数据分析》，重点却是Python编程、库，以及用于数据分析的工具。这就是数据分析要用到的Python编程。大家在学习的过程中，可以购买这本书。什么样的数据？当书中出现"数据"时，究竟指的是什么呢？主要指的是结构化数据（structure

文章目录条件概率定义条件概率算例条件概率定义条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为：P（A|B），读作“在B的条件下A的概率”。设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为：P(A∣B)=P(AB)P(B)\rm P(A|B) = \frac{P(AB)}{P(B)}P(A∣B)=P(B)P(AB)​其中的P(AB)\rm P(AB)P(AB) 表示两个事件共同发生的概

文章目录为什么安装比较慢切换国内源永久指定清华源1、Windows系统2、Mac系统Linux系统为什么安装比较慢pip install xxx默认情况下使用的源是：https://pypi.org/simple。这个网站地址在国外，国内用户访问，需要经过几道关卡，网速慢、不稳定！这就是默认情况下，安装Python库比较慢的原因，有时候，还会因为网速问题出现安装失败情况！切换国内源pip install xxx -i https://pypi.tuna.tsinghua.edu.cn/simple

文章目录常用微分符号常用微分符号语法效果语法效果$
abla$∇
abla∇$\partial x$∂x\partial x∂x$\mathrm{d}x$dx\mathrm{d}xdx$\dot x$x˙\dot xx˙$\ddot y$y¨\ddot yy¨​所有的数学公式，符号，都可以使用markdown方便的呈现，你也赶快操作一下把~...

文章目录概念联合概率边缘概率关系概念联合概率联合概率指的是包含多个条件且所有条件同时成立的概率，记作P(X=a,Y=b)或P(a,b)。边缘概率边缘概率是与联合概率对应的，P(X=a)或P(Y=b)，这类仅与单个随机变量有关的概率称为边缘概率。关系P(X=a)=∑bP(X=a,Y=b)P(X = a) = \sum\limits_{b}P(X = a,Y = b)P(X=a)=b∑​P(X=a,Y=b)求和符号表示穷举所有 Y 所能取得 b 后，所有对应值相加得到的和！P(Y=b)=∑aP

文章目录字体设置字体设置若要对公式的某一部分字符进行字体转换，可以用 \字体 {需转换的部分字符} 命令，其中 \字体 部分可以参照下表选择合适的字体。一般情况下，公式默认为意大利体 italicitalicitalic 。输入说明显示输入说明显示\rm罗马体AIot\rm{AIot}AIot\mathcal花体AIoT\mathcal{AIoT}AIoT\it意大利体AIoT\it{AIoT}AIoT\Bbb黑板粗体AIoT\Bbb{AIoT}A

文章目录图片图片语法：图片alt就是显示在图片下面的文字，相当于对图片内容的解释。图片title是图片的标题，当鼠标移到图片上时显示的内容。title可加可不加示例：效果：...

文章目录引用分割线引用在引用的文字前加>即可。引用也可以嵌套，如加两个>>三个>>>示例：>这是引用的内容效果：这是引用的内容分割线三个或者三个以上的 _（英文状态下，下划线小横杠） 或者 * 都可以。示例：___***效果：代码点亮人生，代码改变世界~人生苦短，我用Python~机器在学习，人类在娱乐~如上知识配以相应讲解视频~欢迎学习！...

标题在想要设置为标题的文字前面加#来表示。一个#是一级标题，二个#是二级标题，以此类推。支持六级标题。注：标准语法一般在#后跟个空格再写文字！示例：# 这是一级标题## 这是二级标题### 这是三级标题#### 这是四级标题##### 这是五级标题###### 这是六级标题效果如下：这是一级标题这是二级标题这是三级标题这是四级标题这是五级标题这是六级标题字体加粗要加粗的文字左右分别用两个*号包起来斜体要倾斜的文字左右分别用一个*号包起来斜体加粗要

文章目录Markdown历史软件安装Markdown历史Markdown是一种轻量级标记语言，创始人为约翰·格鲁伯（英语：John Gruber），于2004年创立。它允许人们使用易读易写的纯文本格式编写文档，然后转换成有效的XHTML（或者HTML）文档。这种语言吸收了很多在电子邮件中已有的纯文本标记的特性。由于Markdown的轻量化、易读易写特性，并且对于图片，图表、数学式都有支持，许多网站都广泛使用Markdown来撰写帮助文档或是用于论坛上发表消息。如GitHub、Reddit、D

文章目录不等式约束极小值点落在可行域内（不包含边界）极小值点落在可行域外（包含边界）总结不等式约束对于不等式约束g(x)<=0，和等式约束h(x)=0不一样，h(x)=0可以在平面上画出一条等高线，而g(x)<=0是一个区域，很多个等高线堆叠而成的一块区域，我们把这块区域称为可行域。不等式约束分两种情况来讨论，第一种是极小值点落在可行域内（不包含边界），第二种是极小值点落在可行域外（包含边界）。下面举两个例子来解释这两种情况，然后总结两种情况给出转换求解。极小值点落在可行域内（不包含边

文章目录如何理解拉格朗日乘子法问题引出，与原点最短距离问题延伸：等高线拉格朗日乘子法求解定义变形如何理解拉格朗日乘子法问题引出，与原点最短距离假设有方程x2y=3x^2y = 3x2y=3对应图像如下：现在我们想求其上的点与原点的最短距离：这里介绍一种解题思路。首先，与原点距离为α\alphaα的点全部在半径为α\alphaα的圆上：那么，我们逐渐扩大圆的半径：显然，第一次与 x2y=3x^2y = 3x2y=3 相交的点就是距离原点最近的点：此时，圆和曲线相切，也就是在该点切

文章目录万能Markdown数学公式1、首先设置（windows）：2、markdown格式3、上下标4、分式与根号5、累加与累乘6、括号7、省略号8、矢量9、积分10、极限运算11、常用希腊字母12、方程组13、矩阵14、常用符号万能Markdown数学公式1、首先设置（windows）：文件 —> 偏好设置 —> Markdown —> 勾选Markdown扩展语法[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SpoepbSu-1624161

文章目录多元线性回归1、基本概念1.1、连续值1.2、离散值1.3、简单线性回归1.4、最优解1.5、多元线性回归2、线性回归算法推导2.1、深入理解回归2.2、误差分析2.3、最大似然估计2.4、高斯分布-概率密度函数2.5、误差总似然2.6、最小二乘法MSE2.7、归纳总结升华3、正规方程3.1、最小二乘法矩阵表示3.2、矩阵转置公式与求导公式：3.3、推导正规方程 θ\thetaθ 的解：3.4、凸函数判定4、线性回归实战4.1、使用正规方程进行求解4.1.1、简单线性回归4.1.2、多元线性回归4.

程序员的需要掌握的数学知识  人工智能跟开发 APP 、后台服务器、前端相比，人工智能需要大量的数学知识。一般都需要用到哪些呢？微积分线性代数概率论最优化  关于书籍，特别说明一下，除非你是数学知识遗忘的特别厉害了，或者是本科的时候没有学过相关数学知识，或者你对数学有强烈的兴趣，否则不建议大家抱着书去学习，会浪费大家大量的时间和精力。我们人工智能所需要的数学知识，只是书本中的一部分，大家认真听课，把我们讲解的数学知识点掌握，就足够了！我们是应用型数学，不是研究型数学，我们学了数学更不是为

文章目录一、更换主题二、Shell命令一、更换主题这个是一个Python库需要安装pip install jupyterthemes安装成功后可以在jupyter代码单元里面执行# 查看有哪些主题!jt -l'''Available Themes: chesterish grade3 gruvboxd gruvboxl monokai oceans16 onedork solarizedd solarizedl'''更换主题!

文章目录一、为什么进行性别预测二、特征数据选取三、算法选择四、代码示例1、使用朴素贝叶斯，进行建模2、使用支持向量机3、使用逻辑斯蒂回归一、为什么进行性别预测用户注册时，所填写的性别，存在大概率的随意性；不能完全作为用户画像的性别参考；因此在无法通过直接手段获得用户真实性别的情况下，需要通过用户的各种行为特征，来对用户的性别进行预测。二、特征数据选取（1）比如选取以下的用户特征数据：category1： 30天内买得最多的品类category2： 30天内买得第二多的品类

文章目录1、为什么预测流失2、需求分析1、为什么预测流失每个企业都渴望建立和保持一个忠实的客户群，而事实是由于各方面原因不可避免的会流失一些用户。如果我们根据用户的活跃度及消费情况，判断用户的流失意向，及时对有流失趋向的用户进行营销召回，这对公司来讲是非常有必要的。2、需求分析模型标签（用户流失的概率）...

目录1、《蚁人2》背景介绍2、数据爬取2.1 评论url抓取2.2 爬虫获取数据1、《蚁人2》背景介绍《蚁人2》是漫威宇宙动作、冒险、库换类电影。自2018年8月24日放映在猫眼累计获得43.7万个评价，累计票房8.32亿，评分高达8.8分，不得不说这在漫威宇宙电影中已经是相当高的评分。总体来说反向很不错，具体到每位观众如何呢？接下来就跟着老司机一起来一探究竟。2、数据爬取2.1 评论u...

目录修改配置文件修改配置文件共计三种方式可以操作方式一：修改（添加）server端的 /etc/ssh/sshd_config＃server每隔60秒发送一次请求给client，然后client响应，从而保持连接ClientAliveInterval 60 ＃server发出请求后，客户端没有响应得次数达到3，就自动断开连接，正常情况下，client不会不响应ClientAliveC...

目录1、导包与数据载入1.1导包1.2 数据载入1.3 数据合并1、导包与数据载入1.1导包import warningswarnings.filterwarnings("ignore")import matplotlib.pyplot as pltimport seaborn as sns# 模型import pandas as pdimport numpy as npfr...

目录缺失值处理常用方式拉格朗日插值法代码示例缺失值处理常用方式均值，中位数，众数插补法使用固定值（规定的标准值）最近邻插补法回归方法：可以使用线性回归或者多项式回归（SVR）插值法：拉格朗日差值和牛顿插值法。拉格朗日插值法原理（看懂原理需要数学修炼）：拉格朗日插值法代码示例2月14号这一天存在空数据，下面我们使用拉格朗日插值法，对数据进行填充#拉格朗日插值代码impor...

目录数据载入与总览新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入数据载入与总览你好！ 这是你第一次使用 M...