Je_san的博客

快速简明的pytorch-gpu安装教程

文章目录一、Kmeans算法及其优缺点1.简单介绍2.K-means的优点与缺点二、性能指标1.选择K值手肘法轮廓系数CH指标sklearn提供的方法2.其他性能指标资料整理一、Kmeans算法及其优缺点跳过算法原理1.简单介绍Kmeans算法是基于划分的聚类算法，其优化目标是同类的点尽量近，类间的点尽量远。需要做的是（1）给定聚类个数K（2）选择K个初始点，可以是随机值，也可以是随机的样本点（3）迭代至终止条件经典K-means算法具体流程，基于贪心策略（1）随机地选择k个初始点，每

在进行Titanic幸存者预测的过程中，数据预处理涉及到空值填充。我的想法是以Pclass分组，为Age的空值填充随机值x~U(mean-σ,mean+σ)文章目录一、warning二、1.取值赋值2. .loc()一、warning开始是参考其他文章的做法，但情况不一样，那篇文章并没有分组赋值，由于不涉及分组，所以对dataframe赋值时是一整列进行赋值的，而这是pandas官方建议的赋值方法之一import pandas as pdimport numpy as nptrain_d

Anaconda3安装tensorflow错误提示版本Anaconda3-4.2.0，python3.5.2，安装tensorflow 1.7.0，依赖numpy 1.13.3错误提示如下Collecting numpy>=1.13.3 (from tensorflow==1.7.0) Using cached https://files.pythonhosted.org/packages/f3/1f/fe9459e39335e7d0e372b5e5dcd60f4381d3d1b42f0b9

机器学习——对数几率回归（Iris数据集）一、二、一、二、参考https://blog.csdn.net/qq_41398808/article/details/90294506https://www.ngui.cc/51cto/show-531289.html

机器学习——Iris数据集一、样本分组1.留出法2.交叉验证法3.自助法二、性能度量1.错误率与精度2.查准率、查全率与F1总结第三周的理论课课后作业，对模型进行评估对Iris数据集，分别采用SVM算法的线性核、高斯核函数，数据集划分方法分别采用留出法、10折交叉验证法、自助法（可选），性能度量分别采用计算错误率、精度、第一类的查准率和查全率、F1、ROC绘制（可选）进行实验。以表格形式呈现结果，并适当进行分析讨论。（参考网址：https://www.cnblogs.com/luyaoblog/p/67

RuntimeWarning: overflow encountered in expdef sigmoid(z):def sigmoid(z): return 1.0 / (1 + np.exp(-z)) 改为def sigmoid(z): #防止溢出 if z >= 0: return 1.0 / (1 + np.exp(-z)) else: return np.exp(z) / (1 + np.exp(z))...