- 博客(9)
- 资源 (2)
- 收藏
- 关注
原创 sklearn 机器学习解题套路框架
sklearn 机器学习解题套路框架前言1 整体模型框架1.1 数据集获取:1.2 数据预处理:1.2.1 数据集的规范化1.2.2 数据集的降维1.3 数据集的拆分1.4 模型的选择1.4.1 聚类——sklearn.cluter下提供的聚类方法1.4.2 分类——大多分布在sklearn下的一级模块1.4.3 回归——多分布在sklearn下的一级目录1.5 模型评价1.5.1 metrics下的聚类评价1.5.2 metrics下的分类评价1.5.3 metrics下的回归评价2 K-Mean
2020-12-27 11:32:02 694
原创 二分查找
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录1 二分排序的思路和注意要点2 二分排序的java实现总结1 二分排序的思路和注意要点二分查找的思路分析首先确定该数组的中间的下标mid = (left + right) / 2然后让需要查找的数 findVal 和 arr[mid] 比较2.1 findVal > arr[mid] , 说明你要查找的数在mid 的右边, 因此需要递归的向右查找2.2 findVal < arr[mid], 说明你
2020-12-26 12:27:30 207 1
原创 小说——快速排序与合并排序
文章目录1 快速排序图解2 快速排序java实现3 合并排序图解4 合并排序java实现总结1 快速排序图解图解详细过程:图解快速排序思路合代码思想:总的来说快速排序分为左右划分阶段和排序阶段:左右划分阶段:代码中的两个注意点如上图第一部分排序阶段:代码中的一个注意点如上图第二部分2 快速排序java实现import java.text.SimpleDateFormat;import java.util.Arrays;public class QuickSort {
2020-12-26 11:33:13 338
原创 大白话决策树分类
文章目录前言1 决策树的基本流程2 决策树的属性划分3 决策树的减枝处理4 决策树中的连续值和缺失值5 多变量的决策树6 sklearn中的决策树总结前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。1 决策树的基本流程2 决策树的属性划分信息增益、信息增益率、基尼系数3 决策树的减枝处理分为预减枝和后减枝4 决策树中的连续值和缺失值开始之前先思考一个为问题?当样本
2020-12-26 09:59:54 3279
原创 主定理:递推方程求解时间复杂度
前言设序列a0a_0a0, a1a_1a1, …, ana_nan, …, 简记为{ana_nan}, 一个把ana_nan与某些个aia_iai(i<n)联系起来的等式叫做关于序列 {ana_nan} 的递推方程求解方法:迭代法直接迭代:插入排序最坏情况下时间分析换元迭代:二分归并排序最坏情况下时间分析差消迭代:快速排序平均情况下的时间分析迭代模型:递归树主定理:递归算法的分析主定理主定理定义:概括为一句话:就是谁大取谁,相等就乘。主定理举例:
2020-12-23 21:05:23 3505
转载 算法复杂度:算法时间复杂度和空间复杂度表示法
文章目录时间复杂度1.时间频度2.计算方法3.分类空间复杂度算法的时间复杂度(计算实例)算法的时间复杂度O(1)O(n^2)O(n)O(log2n )O(n^3)算法复杂度的渐近表示法一 大O记号二 Ω记号三 Θ记号四 小o记号五 例子常见排序算法时空复杂度总结算法复杂度分为时间复杂度和空间复杂度。时间复杂度用于度量算法执行的时间长短;而空间复杂度则是用于度量算法所需存储空间的大小时间复杂度1.时间频度一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行测试才能知道。但我
2020-12-23 15:38:19 2374
原创 系列二:数据预处理
前言旨在对数据挖掘有个系统的认识,这部分仅仅是对于数据预处理!对于常规的数据预处理主要分为以下4步骤:(1) 数据清洗:解决缺失值、异常值、离群点的问题(2) 数据集成:解决样本重复、指标构建、属性高度相似的问题(2) 数据规约:解决数据规模过大的问题(4) 数据变换:将数据转化为更方便分析的数据2 数据预处理2.1 数据清洗2.1.1 数据缺失(1) 填充缺失值1)使用属性的均值填充缺失值2)使用与给定元组同一类的所有样本的属性均值填充相应的缺失值3)使用最可能的值填充缺失值:
2020-12-21 18:05:20 3025 1
原创 系列一:认识数据
系列文章目录提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加例如:第一章 Python 机器学习入门之pandas的使用提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录系列文章目录前言1 认识数据1.1 数得来源1.2 数据得属性划分1.3 数据得描述性统计1.4 对于该数据得使用总结前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。
2020-12-17 00:08:47 559 1
原创 浅入决策树的分类和回归
浅入决策树分类和回归前言一 决策树机制—通过条件分支描述数据二 机器学习的决策树分类1. 决策树的二分类举例2. 决策树的多分类举例二、决策树回归总结前言在学习重要的基础算法的时候,我往往会偷懒忽视掉很多问题,就会陷入到,我觉得我会了,我知道是怎么个原理,就是一句代码拿来用就好,但真的要去讲解说明的时候,我却不知道从何说起,最后的conclusion就是实则我不是很清楚原理也讲不清原理。面对决策树,我问了自己三个问题:决策树和人构建的决策树是否一样?决策树如何做分类?决策树如何做回归?先看
2020-12-05 16:37:40 2512 2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人