![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
读书笔记
文章平均质量分 76
guieraxbc
知识就是力量
展开
-
机器学习基础篇:支持向量机 - SVM
文章目录支持向量机 - SVM一、简单定义二、基本术语三、线性可分支持向量机四、线性支持向量机五、非线性支持向量机参考支持向量机 - SVM一、简单定义支持向量机(support vector machines,SVM)是一种二类分类模型,它的基本模型是定义在特征空间上的间隔最大的线性分类器,间隔最大使它有别于感知机:支持向量机还包括核技巧,这使它成为实质上的非线性分类器,支持向量机的学习策略就是间隔最大化,可形式化为一个求解凸二次规划的问题,也等价于正则化的合页损失函数的最小化问题,支持向量机的原创 2021-09-10 01:24:30 · 491 阅读 · 0 评论 -
机器学习基础篇:感知机、线性判别、逻辑斯蒂回归、朴素贝叶斯
第二章、第四章、第六章大概了解第二章、第四章、第六章感知机感知机模型解决的问题模型形式学习策略感知机损失函数的由来求解算法线性判别逻辑斯蒂回归朴素贝叶斯感知机感知机是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1和-1二值。感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面,属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面,为此,导入基于误分类的损失函数,利用梯度下降法对损失函数进行极小化,求得感知机模型。感知机学习算法具有简单而易于实现原创 2021-08-31 01:57:02 · 322 阅读 · 0 评论 -
Excel相关操作整合
文章目录前言一、对比两列数据不同二、突出显示重复值参考三、将多个单元格值按某分隔符连接前言一、对比两列数据不同二、突出显示重复值参考excel相关的功能使用汇总 - sqiucheng三、将多个单元格值按某分隔符连接=TEXTJOIN("’,’",A1:DN1)...原创 2021-08-09 23:34:04 · 69 阅读 · 0 评论 -
【转载】MSE(均方误差)、RMSE (均方根误差)、MAE (平均绝对误差)- 机器学习 - 线性回归之模型评估
MSE(均方误差)、RMSE (均方根误差)、MAE (平均绝对误差)1、MSE(均方误差)(Mean Square Error)MSE是真实值与预测值的差值的平方然后求和平均。范围[0,+∞),当预测值与真实值完全相同时为0,误差越大,该值越大。import numpy as npfrom sklearn import metricsy_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])y_pred = np.array([1.0, 4转载 2021-08-18 23:35:47 · 5612 阅读 · 0 评论 -
【阅读笔记】数据挖掘与建模过程 - Python数据分析与挖掘实战
文章目录数据挖掘与建模过程一、数据获取/取样二、数据探索数据质量分析数据特征分析三、数据预处理数据清洗数据集成数据变换数据规约Python主要预处理函数四、数据建模五、模型评价六、参考资料数据挖掘与建模过程一、数据获取/取样明确挖掘目标,从业务系统中抽取出一个与挖掘目标相关的样本数据子集。一是相关性,二是可靠性,三是有效性import pandas as pdfrom sklearn.ensemble import RandomForestRegressorfrom sklearn.mode原创 2021-08-04 19:53:50 · 485 阅读 · 0 评论 -
【阅读笔记】数据分析思维:分析方法和业务知识
这里写自定义目录标题欢迎使用Markdown编辑器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欢迎使用Markdown编辑器你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar原创 2021-07-19 23:44:05 · 973 阅读 · 0 评论