![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法训练
文章平均质量分 84
yijia7590jfz
试图跨行执法
展开
-
Python基础笔记
跟随菜鸟教程学习的过程中记录。仅记录自己不熟悉的地方,以及与Java、C存在明显差异的地方。注释\ 表示一行语句的多行显示多行注释 '''、"""包裹多个变量,不换行输出,在变量名之间加逗号python标准数据类型numbers、string、list、tuple、dictionary(元组与字典)字符串,使用[头下标:尾下标]截取相应的字符串,结果会返还一个新的对象。【python列表截取】除去头尾下标外,可以接收第三个参数,参数作用是截取步长。char[1:4:2]下标区.原创 2022-05-15 20:18:37 · 181 阅读 · 0 评论 -
【TL第二期】动手学数据分析-第三章模型建立与评估
文章目录第三章第一节 建立模型数据清洗的结果模型选择切割数据集模型创建第二节 模型评估第三章第一节 建立模型任务:完成泰坦尼克号的存活预测复习:库的作用;matplotlib-绘图,开源MatLab;seaborn-基于Python,在matplotlib的基础上进行了更高一级的封装,作图更方便;数据清洗的结果清洗后数据和原数据的不同:shape不一样;没有survived(结果值)、name(无关变量)两栏;文本数据都转变为数值数据;。模型选择首先需要知道是监督学习还是无监督学习。原创 2021-12-23 20:39:33 · 1193 阅读 · 0 评论 -
【TL第二期】动手学数据分析-第二章 数据预处理
第二章第一节 数据清洗及特征处理数据清洗:对于原始数据中的缺失值、异常值进行处理。相当于数据预处理。待处理的情况:缺失值、重复值、字符串和数据转换。缺失值如何查看各列缺失值的情况:df.info()# 可以查看每一列数据的缺失值情况,及数据类型df.isnull().sum()# 直接统计缺失情况检索缺失值:# 检索空缺值的三种方式df[df['Age']==None]=0df[df['Age'].isnull()]=0df[df['Age']==np.nan]=0原创 2021-12-17 00:05:07 · 407 阅读 · 0 评论 -
【TL第二期】动手学数据分析-第一章 数据基本操作
第一章第一节 数据载入与初步观察0 导库导入pandas、numpy(都是用于数据分析的库)1 载入数据使用相对路径或绝对路径打开文件相对路径:如果在同一文件夹下,直接访问文件名;如果不在同一级目录下:./:代表目前所在的目录../:代表上一层目录以/开头:代表根目录绝对路径:import osimport pandas as pdos.path.abspath('.') #表示当前所处的文件夹的绝对路径os.path.abspath('..') #表示原创 2021-12-14 20:24:32 · 2011 阅读 · 0 评论 -
【TL第一期】李宏毅ML-第五节 网络设计的技巧
网络设计的技巧1. optimization失败的时候应该怎么办为什么会失败。对于Loss的最后的值不满意。某一处,梯度趋近于0。但不仅仅可能是局部最小值,也可能是鞍状。如何知道所处的位置(critical point)是哪一个?local minima暂时无法逃离saddle point可以鉴别,在其周围存在更低点怎么知道Loss function的形状?【数学公式推导】在ɵ’处的Loss fuction可以用泰勒公式表示:如何根据后面这一项判断critical poi原创 2021-11-24 17:11:16 · 314 阅读 · 0 评论 -
【TL第一期】李宏毅ML-第三节 误差、梯度下降
误差、梯度下降误差误差的来源:bias和variance(偏差和方差)以例说明:①bias:瞄准的位置偏离正确位置;②瞄准位置处的离散偏差。 简单的模型受到不同data的影响较小,而复杂的模型,data变化较大时,其模型方程式会变化很多。方差会很大,但平均值(偏差)与预期函数相差较小。每次选定方程,都相当于确定了一个model set,之后训练的每一个模型都只能在这个范围内寻找。当次数足够多时,即使偏差很大,方差也可以很小。过拟合:误差来源于方差(训练集效果好,但测试集效果差)欠原创 2021-11-19 15:54:10 · 726 阅读 · 0 评论 -
【TL第一期】李宏毅ML-第二节 回归
机器学习:回归确定选用模型的类别如果对于需要探究的问题,只有一个影响因素(又叫特征),则可以采用一元线性模型如果有多个影响因素(多个特征),则考虑多元线性模型。评判模型的好坏损失函数(Loss function):求原始数据标签值与模型预测值的差,来判定模型的好坏。损失函数越小,模型的预测值与真实值的吻合程度越高。筛选最优模型的方法为了获得最小的损失函数,我们可以使用梯度下降的方法。首先在损失函数上取一个初始值,从初始值所在的位置开始,往梯度下降的方向行进,每次运动一个步长的原创 2021-11-17 19:40:24 · 196 阅读 · 0 评论 -
周志华《机器学习》学习笔记-线性模型
周志华《机器学习》学习笔记文章目录周志华《机器学习》学习笔记第三章 线性模型3.1 基本形式3.2 线性回归1 一元线性回归2 多元线性回归3 对数线性回归4 广义线性模型3.3 对数几率回归(逻辑回归)二分类问题(0、1)对数几率回归的优点3.4 线性判别分析3.5 多分类学习3.6 类别不平衡问题第三章 线性模型3.1 基本形式普通的线性回归,将所给的属性的取值回归到一条线上(实数集)函数形式:向量形式:3.2 线性回归(问题描述)1 一元线性回归2 多元线性回归3 对原创 2021-05-09 11:08:10 · 325 阅读 · 0 评论