![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法
luoganttcc
微信:luogantt
展开
-
kdtree
【代码】kdtree。原创 2023-10-28 12:31:46 · 68 阅读 · 0 评论 -
图解kd树+Python实现
此时父节点(5,4)的另一子节点已经搜索完毕,继续向上回溯搜索那些没有被回溯过的节点,于是来到根节点(7,2),计算(7,2)与(2,4.5)的距离为5.5901,而5.5901>1.5,因此当前最近邻点不变,最近距离也不变。一般的,对于高维特征的情况,画出来的是一个超球面),真正的最近邻点一定包含在这个圆的内部。对左子树{(5,4),(2,3),(4,7)}按照特征的第一个维度从小到大排序:{(2,3),(5,4),(4,7)},确定中位数下标为3//2=1,所以数字4为中位数;这里仅实现最近邻搜索。原创 2023-10-28 09:53:22 · 642 阅读 · 0 评论 -
怎么简单理解贝叶斯公式?
https://www.zhihu.com/question/51448623/answer/275721105原创 2023-02-13 19:11:15 · 95 阅读 · 0 评论 -
先验概率与后验概率、贝叶斯区别与联系
后验概率:就是根据结果推原因,比如知道一个产品是次品求它来自A车间的概率,通过贝叶斯公式可以得到。先验概率:根据以往经验分析得到的概率,通俗就是根据统计和规律得出得概率。转载 2023-02-13 18:27:46 · 124 阅读 · 0 评论 -
透彻理解贝叶斯定理:先验概率、后验概率
先验(A priori;又译:先天)在拉丁文中指“来自先前的东西”,或稍稍引申指“在经验之前”。近代西方传统中,认为先验指无需经验或先于经验获得的知识。它通常与后验知识相比较,后验意指“在经验之后”,需要经验。这一区分来自于中世纪逻辑所区分的两种论证,从原因到结果的论证称为“先验的”,而从结果到原因的论证称为“后验的”。以皇帝作为目标,先验针对的是秦始皇这种皇帝;后验针对的是刘邦、朱元璋这种皇帝。,这两个字从字面上理解是“,指“验证”这个行为发生之前。转载 2023-02-13 16:58:35 · 657 阅读 · 0 评论 -
脉动阵列 一共多少时钟周期 2*n- 1
矩阵乘法 A* B。原创 2023-02-10 19:42:16 · 143 阅读 · 0 评论 -
不变神经网络的逼近能力
link转载 2023-02-10 16:24:49 · 64 阅读 · 0 评论 -
李雅普诺夫指数
李雅普诺夫指数Lyaponuv(李雅普诺夫)指数表示相空间相邻轨迹的平均指数发散率的数值特征。又称李雅普诺夫特征指数,是用于识别混沌运动若干数值的特征之一。李雅普诺夫指数常常被用来判定一个系统的混沌性,通过图像可以直观地看出某个系统或者映射是否是混沌系统或映射。Lyaponuv指数性质我们假定Lyaponuv指数用 来表示,那么对于的不同取值有以下不同的含义:当lambda >0时,系统运动会进入混沌状态,对应的映射叫做混沌映射;当 lambda<0时,系统的运动状态会趋于稳.原创 2022-05-06 16:48:21 · 2534 阅读 · 0 评论 -
时间单位换算
中文英文换算毫秒millisecond1ms 1毫秒=0.001秒=10-3秒微秒microsecond1μs 1微秒=0.000001=10-6秒纳秒nanosecond1ns 1纳秒=0.0000000001秒=10-9秒皮秒picosecond1ps 1皮秒=0.0000000000001秒=10-12秒飞秒femtosecond1fs 1飞秒=0.000000000000001秒=10-15秒...原创 2021-12-29 14:40:33 · 274 阅读 · 0 评论 -
Huggingface简介及BERT tansformer 开源
Huggingface简介及BERT代码浅析import torchfrom transformers import BertModel, BertTokenizer# 这里我们调用bert-base模型,同时模型的词典经过小写处理model_name = 'bert-base-uncased'# 读取模型对应的tokenizertokenizer = BertTokenizer.from_pretrained(model_name)# 载入模型model = BertModel.from原创 2021-09-18 12:07:17 · 200 阅读 · 0 评论 -
为什么batchnormalize 有效
论文链接The popular belief is that this effectiveness stems from controlling the change of the layers’ input distributions during training to reduce the so-called“internal covariate shift”. In this work, we demonstrate that such distributionalstability of lay原创 2021-07-16 18:37:45 · 147 阅读 · 0 评论 -
logstic 回归好文章
http://www.jianshu.com/p/97857fbe9aa7转载 2017-03-10 20:20:46 · 347 阅读 · 0 评论 -
Python 非线性方程组
from scipy.optimize import fsolve from math import cos def f(x): d = 140 l = 156 a = float(x[0]) r = float(x[1]) return [ cos(a) - 1 + (d*d)/(2*r*r), #方程1转载 2017-07-14 23:08:14 · 2116 阅读 · 0 评论 -
8行代码求解非线性方程
Talk is cheap show me the code from scipy.optimize import fsolveimport numpy as npimport mathdef f(x,*arg): f1=1+x+x**2+x**3+x**4 f2=100 return(f1-f2)x0=(2.5,2,3,4,5)result=fsolve(原创 2017-07-14 23:03:00 · 1144 阅读 · 0 评论 -
欧奈尔的琴弦
作者:欧奈尔的琴弦 链接:https://www.zhihu.com/question/54542998/answer/149224475 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。欧奈尔的琴弦 职业投资人、认知思考者、终身学习者(公众号onyour_way)世间万物都需要额外的能量和秩序来维持自身,无一例外。一般来说,这就是著名的热力学第二定律,即所有转载 2017-07-23 23:37:38 · 629 阅读 · 0 评论 -
朴素贝叶斯 python 实现
百度文库 文库2机器学习实战的朴素贝叶斯的代码太复杂"""Created on Thu Aug 10 15:08:59 2017@author: luogan"""#coding=gbk#Naive Bayes#Calculate the Prob. of class:clsdef P(data,cls_val,cls_name="class"): cnt = 0.0 for原创 2017-08-10 15:22:59 · 472 阅读 · 0 评论 -
bayes python 机器学习实战
'''Created on Oct 19, 2010@author: Peter'''from numpy import *def loadDataSet(): postingList=[['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'], ['maybe', 'not', 'take'转载 2017-08-10 22:28:59 · 453 阅读 · 0 评论 -
bayes
from numpy import *def trainNB0(trainMatrix,trainCatergory): #适用于二分类问题,其中一类的标签为1 #return #p0Vect:标签为0的样本中,出现某个特征对应的概率 #p1Vect:标签为1的样本中,出现某个特征对应的概率 #pAbusive:标签为1的样本出现的概率 numTrai转载 2017-08-10 22:43:29 · 234 阅读 · 0 评论 -
sklearn.naive_bayes
#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Sat Aug 5 12:07:15 2017@author: luogan"""#高斯朴素贝叶斯 import numpy as np X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3,转载 2017-08-05 12:17:31 · 1511 阅读 · 0 评论 -
bayes python 源代码
#coding: utf-8#date: 2016-07-10#mail: artorius.mailbox@qq.com#author: xinwangzhong -version 0.1from numpy import *def trainNB0(trainMatrix,trainCatergory): #适用于二分类问题,其中一类的标签为1 #return #p转载 2017-08-05 12:31:46 · 374 阅读 · 0 评论 -
神经网络贷款风险评估(base on keras and python )
用我儿子的话说,有一天啊,小乌龟遇见小兔子……… 有一天,我在网上看到这样一片文章,决策书做贷款决策分析。贷还是不贷:如何用Python和机器学习帮你决策?import pandas as pddf = pd.read_csv('loans.csv')#print(df.head())X = df.drop('safe_loans', axis=1)y = df.safe_loans#c原创 2017-08-18 14:35:17 · 4316 阅读 · 0 评论 -
lgfj
数据来源于公司的mongodb 数据库,由于公司保密需要,端口不能给出。大家看下吧。利用四个小区的历史交易训练模型,给出房价输出。# -*- coding: utf-8 -*-"""Created on Thu Aug 24 15:14:07 2017@author: Administrator"""import pymongofrom pymongo import MongoClient原创 2017-08-28 09:28:00 · 472 阅读 · 0 评论 -
kaggle 房价预测经典文章
1::: xgboost 2:::随机森林 3:::xgboost 线性模型 4:::xgboost数据预处理 数据预处理2 5:::文章集合 6:::岭回归 7:::xgboost资料1 xgboost资料2 8:::keras资料 如何提高深度学习原创 2017-08-25 16:49:12 · 5060 阅读 · 0 评论 -
Python 如何优雅的将数字转化为时间格式
from dateutil.parser import parsea=20170825b=str(a)c=parse(b)print(c)2017-08-25 00:00:00原创 2017-08-25 18:28:09 · 47257 阅读 · 1 评论 -
python 机器学习中各种距离
文章链接1文章链接2转载 2017-09-11 10:22:53 · 386 阅读 · 0 评论 -
稳定匹配算法python实现
#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Wed Oct 4 18:27:37 2017@author: luogan"""import numpy as npimport pandas as pdman=np.array([['貂蝉','大乔','小乔','阿丑','尚香'],原创 2017-10-08 21:36:25 · 3431 阅读 · 0 评论 -
信息熵理解
信息熵与信息量转载 2017-11-28 14:41:39 · 508 阅读 · 0 评论 -
七层神经网络 PK logstic 回归
logstic链接 在这 篇文章中,我们讨论了logstic 回归,但是logstic回归的正确率太低了 在那个算例中,正确率只有66.2% import pandas as pdinputfile1='horseColicTraining.xlsx' input1= pd.read_excel(inputfile1).valuesdata_train=input1'''data_m原创 2017-08-18 18:31:27 · 841 阅读 · 0 评论 -
logsic 回归
logstic 回归 ,从本质上说,就是一个单层感知器,仅此而已。 一个输入层 ,一个层激活的神经网络。SVM ,一个输入层 ,一个隐藏层(核函数),一个激活的神经网络。所以,在当下所有的过往的机器学习算法,都无法与深度学习相提并论!,你们都过时了! 但是,经过logistic变换,自变量为负无穷到正无穷,并且输出值即是属于某一类的概率。数学概念清晰。在很多浅薄,SB的领域,智力水平的低的种转载 2017-08-13 15:24:59 · 712 阅读 · 2 评论 -
python 线性回归源码
# -*- coding: utf-8 -*-"""Created on Fri Jan 12 17:21:11 2018@author: Administrator"""# -*- coding: utf-8 -*-"""Created on Thu Jan 11 11:09:36 2018@author: Administrator"""import pymongo转载 2018-01-12 17:24:45 · 925 阅读 · 0 评论 -
基于xgboost的房价预测
# -*- coding: utf-8 -*-"""Created on Wed Aug 23 13:36:42 2017@author: Administrator"""import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sklearn.linear_model import Rid原创 2018-01-08 10:52:53 · 7446 阅读 · 1 评论 -
python矩阵分解
矩阵的奇异值分解import numpy as npaa= np.array([[1, 1], [1, -2], [2, 1]])bb=np.linalg.svd(aa)print(bb)(array([[ -5.34522484e-01, -1.11022302e-16, -8.45154255e-01], [ 2.67261242e-01, -9.486原创 2018-01-09 16:53:17 · 4742 阅读 · 0 评论 -
支持向量回归 svr
from sklearn import svmX = [[0, 0], [1, 1]]y = [0, 1]#建立支持向量分类模型clf = svm.SVC()#拟合训练数据,得到训练模型参数clf.fit(X, y)#对测试点[2., 2.], [3., 3.]预测res = clf.predict([[2., 2.],[3., 3.]])#输出预测结果值print (转载 2018-01-19 17:40:18 · 759 阅读 · 0 评论 -
k-means 算法
from numpy import concatenate,column_stack,row_stackimport numpy as npimport matplotlib.pyplot as plt#%matplotlib inlinefrom sklearn.datasets.samples_generator import make_blobs# X为样本特征,Y为样本簇类别,原创 2017-08-04 11:55:44 · 313 阅读 · 0 评论 -
基于xgboost 的贷款风险预测
&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; &amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;现在我们用传说中的xgboost 对这个数据集进行计算#!/usr/bin/env python3# -*- coding: utf-8 -*-&quot;&原创 2017-08-20 22:09:40 · 6809 阅读 · 14 评论 -
xgboost 的 get_fscore()
feature_importances_在新的的xgboost0.7版本中已经替换原有方法get_fscore()文章链接原创 2018-02-12 19:26:24 · 8802 阅读 · 0 评论 -
聚类算法 sklearn k_means (返回一维数据的最优聚类)
from sklearn.cluster import KMeansimport numpyimport collectionsimport pandasfrom sklearn import metricsdef k_means(pp1,clus): pv=list(pp1) if len(set(pv))&amp;gt;clus: gf=numpy.ar...原创 2018-02-08 14:44:50 · 9861 阅读 · 4 评论 -
prophet facebook 预测文章链接
文章链接转载 2018-02-18 09:22:56 · 467 阅读 · 0 评论 -
python prophet 预言家预知未来
fbprophet 必须安装在Python3.5以上,目前来讲是的 ubuntu16 安装如下:安装anaconada通过pip 安装各种库conda install gccconda install -c conda-forge fbprophet. import pandas as pdimport numpy as npfrom fbprophet imp...原创 2018-01-15 16:58:51 · 1415 阅读 · 0 评论 -
采用 facebook 的prophet 预测科大讯飞的股票开盘价
在运行代码前需要安装fbprophet和tushare,然后拷贝代码可直接运行,个人认为facebook的这个开源不怎么样,回测的效果不行.不如lstm甚至简单的多元回归.#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Sun Feb 18 09:26:40 2018@author: 罗干"""import...原创 2018-02-18 13:14:08 · 3594 阅读 · 0 评论