- 博客(18)
- 收藏
- 关注
RSS订阅原创 机器学习-04概念-08 归一化
话不多说，先上一段代码，自己体会：from sklearn.preprocessing import MinMaxScaler #导入库data = np.random.randint(0,5,size=5) #随机生成长度为5的数据print('原始数据：', data, sep='\n')m = MinMaxScaler() #建立一个归一化器data_1 = m.fit_transform(data) #利用m对data进行归一化，并储存data的归一化参数。
2024-01-04 17:18:39
788
1
原创 机器学习--02算法--08支持向量机SVM
支持向量机（Support Vector Machine，SVM）是一个经典的二分类算法，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。它具体包括三种类型，由简至繁的模型包括：(1) 当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机；(2) 当训练样本近似线性可分时，通过软间隔最大化，学习一个线性支持向量机；(3) 当训练样本线性不可分时，通过核技巧和软间隔最大化，学习一个非线性支持向量机；
2023-05-03 19:31:46
44
原创 机器学习--02算法--07决策树
熵的概念最早起源于，热力学中表征物质状态的参量之一，其物理意义是体系混乱程度的度量，即用于度量一个热力学系统的无序程度。在信息论里面，熵是对信息不确定性的测量。熵越高，信息的不确定性越大，预测的难度越大，则能传输越多的信息；熵越低，信息的不确定性越小，即信息很容易预测到，则意味着传输的信息越少。
2023-04-28 16:47:31
53
原创 上确界，下确界
对于连续函数来说，一个区间内的上确界就是最大值，下确界就是最小值。对于离散函数来说不一定，最大最小值是在函数上的，上下确界不一定属于函数值。比如你任意给一个连续函数，他一定在此区间有最大值和最小值，不妨假设这个最大值是唯一的，那么在这一点把函数值挖掉，定义其值为小于最大值的一个数，则在此区间上，原来的最大值是现在的上确界，但是这个最大值却是没法取到的（只能无限接近上确界）。...
2020-09-06 10:29:53
6137
原创 能量信号和功率信号
能量信号为功率信号的积分，功率信号为能量信号的密度。对于一个信号，y=f(x)，能量相当于曲线和x轴的积分面积，功率相当于y值。当一个信号的积分面积无穷大，但是能找到一个不是无穷大的平均y值，那么这就是功率信号；如果信号积分面积有限，那么平均到整个x轴上，y值就是0，这就是能量信号。总之，面积有限必为能量信号，例如y=1,x∈[-1,1]；面积无限，但是能找到y值，则为功率信号，例如y=1；面积无限，y也无限大，那么为非能量非功率信号，例如y=x。（1）无限时间的周期信号为功率信号，所以平时处理的水
2020-08-20 15:29:06
5736
2
原创 Numpy中reshape函数中“-1”的用法最简单的解释
-1就相当于通配符*，-1所在维度的数量不确定，取决于另外维度的计算值。例如reshape(-1,1)，就是说行数不固定，列数固定为1；reshape(1,-1)意思是列数不固定，行数为1....
2020-02-18 00:26:26
361
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