- 博客(10)
- 收藏
- 关注
原创 从python看数据结构中的树
从python看数据结构中的树树和二叉树树实际场景中,常常存在一对多、甚至多对多的情况。树的定义如下:树(tree)是n(n≥0)n(n\ge0)n(n≥0)个节点的有限集。当n=0n=0n=0时,称为空树。在任意一个非空树中,有如下特点。有且仅有一个特定的称为根的节点。当n>1n\gt1n>1时,其余节点可分为m(m>0)m(m\gt0)m(m>0)个互不相交的有限集,每一个集合本身又是一个树,并称为根的子树。二叉树二叉树是树的一种特殊形式。这个树的每个节点
2022-01-21 11:13:13 732
原创 从python来看数据结构基础
从python来看数据结构基础数组概念数组是有限个相同类型的变量所组成的有序集合。在内存中顺序存储,可以实现逻辑上的顺序表。python中主要使用列表(list)和元组(tuple)两种集合,本质上都是对数组的封装。基本操作#初始化列表my_list = [3,1,2,5,4,9,7,2]#读取元素print(my_list[2])2#更新元素my_list[3] = 10print(my_list[3])10#插入元素#尾部插入#尾部插入元素my_list.append
2022-01-19 11:53:38 838
原创 极限学习机的一篇小综述
极限学习机综述简介神经网络是由具有适应性的简单单元组成的广泛并行互联的网络,它的组织能过够模拟生物神经系统对真实世界物体所作出的交互反应[1]。它由大量简单的处理单元(神经元)相互连接,具有极为强大的学习功能。但在对最优化网络结构使得网络结构的误差达到最小且能获得更好的泛化能力的处理问题在业界一直是一个热点的研究问题。基于此,文献[2]提出一种新的学习方法,名为极限学习机(Extreme learning machine),该算法随机选取输入层的权重和隐藏层的偏置,最后通过最小二乘法直接计算输出层的权
2021-07-07 15:47:06 2996
原创 入门爬虫二三记(一):爬取酷狗音乐榜单Top500
入门爬虫二三记(一):爬取酷狗音乐榜单Top500http的执行过程一个HTTP操作称为一个事物,其执行过程分为4个步骤:客户端与服务器需要建立连接,如:单机某个超链接,HTTP工作开始。建立连接后,客户端发送一个请求给服务器,请求方的格式为:同一资源标识符(URL)、协议版本号,后边是MIME信息,包括请求修饰符、客户机信息和可能的内容。服务器接到请求后,给予相应的相应信息,其格式为一个状态行,包括信息的协议版本号、一个成功或错误的代码,后边是MIME信息,包括服务器信息、实体信息和可能的内容
2021-05-06 20:59:19 1653
原创 可解释的机器学习(三):可解释的模型-逻辑回归
可解释的机器学习(三):可解释的模型-逻辑回归线性模型用于分类的问题:不输出概率,但将它类视为数字(0和1),并你和最佳超平面以最小化点和超平面之间的的距离。所以它知识在点之间插值,不能将它们解释为概率。分类的解决问题是逻辑回归。它不是拟合直线或超平面,而是使用逻辑函数将线性方程的输出挤压到0和1之间。logistic(η)=11+exp(−η)logistic(\eta) = \frac1{1+exp(-\eta)}logistic(η)=1+exp(−η)1P(y(i)=1)=11+exp
2021-03-23 17:49:51 721
原创 可解释的机器学习(二):可解释的模型-线性回归
可解释的机器学习(二):可解释的模型-线性回归线性回归介绍线性回归模型将目标预测为特征输入的加权和,而所学习关系的线性使解释变得容易。线性模型中针对第i个实例:y=β+β1x1+…+βpxp+ϵy = \beta + \beta_1x_1 + \ldots + \beta_px_p + \epsilony=β+β1x1+…+βpxp+ϵ通常使用最小二乘法来找到使真实结果和预测结果之间平方差最小化的权重:β^=arg minβ0,…,βp∑i=1n(y(i)−(β0+∑j=1pβjx
2021-03-23 11:24:16 536
原创 可解释的机器学习(一):可解释性
可解释的机器学习(一):可解释性机器学习是基于数据做出和改进预测或行为的一套方法。方法:数据采集-将这新信息输入机器学习算法-将新数据输入模型。黑盒模型是一个不揭示其内部机制的系统。在机器学习中,“黑盒模型”或称“黑匣子”描述了通过查看参数(例如深度神经网络的参数)却无法理解的模型。黑盒的对立面有时被称为白盒,即为可解释模型。模型无关的解释方法将机器学习模型是为黑盒。可解释的机器学习是指机器学习系统的行为和预测对人类可理解的方法和模型。可解释性可解释性是人们能够理解决策原因的程度。或是指人们能够
2021-03-17 16:54:38 2086
原创 机器学习实战学习笔记(一):K-近邻算法
机器学习实战学习笔记(一):K-近邻算法文章目录机器学习实战学习笔记(一):K-近邻算法K-近邻算法概述准备:使用python导入数据实施KNN算法如何测试分类器案例:使用k-近邻算法改进约会网站的配对效果准备数据:从文本文件中解析数据分析数据:使用Matplotlib创建散点图准备数据:归一化数值测试算法:作为完整程序验证分类器使用算法:构建完整可用系统案例:手写识别系统准备数据:将图像转换为测试向量测试算法:使用k-近邻算法识别手写数字这一系列为笔者在学习后对原书中的理论和代码学习后的一些总结笔记
2021-02-07 22:02:00 413 1
原创 VScode中的一些高效编辑策略
VScode中的一些高效编辑策略命令面板使用快捷键ctrl + P可以打开命令面板输入**[?]**可以查看命令面板的操作帮助输入**[>+语言]**可以查看所有与该语言相关的操作命令输入**[:+行号]**可以实现行跳转到指定行折叠内容VScode支持折叠内容结构。自动保存菜单栏->文件->自动保存:开启自动保存。智能感知ctrl + 空格键 可以实现智能感知。禅模式菜单栏->查看->外观->切换禅模式。或者通过命令面板切换。一些编辑插
2021-02-06 21:27:24 146
原创 你好typora
关于typora的用法基础语法和GFM语法编辑样式常用标记粗体、斜体、高亮、删除线、下划线、我是上标、我是下标、[超链接]http://www.baidu.com编辑段落段落与段行标题列表引用和水平分割线(Windows无引用)这就是引用表格序号姓名金钱代码#按照给定特征划分数据集def Hi(): print("hello,world!")typora扩展语法编辑样式下划线内联数学公式分数:f(
2021-02-04 21:50:03 93
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