m0_53412274的博客

原创 李宏毅机器学习打卡第二天——回归算法实现

import numpy as npimport matplotlib.pyplot as pltfrom pylab import mpl# matplotlib没有中文字体，动态解决plt.rcParams['font.sans-serif'] = ['Simhei'] # 显示中文mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题x_data = [338., 333., 328., 207., 226

原创 泰坦尼克号

文章目录一数据探索二数据清洗三训练模型四模型融合一数据探索我们首先导入数据import pandas as pdimport matplotlib.pyplot as pltplt.style.use('fivethirtyeight')import seaborn as snsimport warningswarnings.filterwarnings('ignore')train_df = pd.read_csv(r'C:\Users\dahuo\Desktop\数据集2\trai

原创 欢迎使用Markdown编辑器

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 大数据分析——Numpy

大数据分析——Numpy (未完待续)文章目录Numpy简介 一.数组1. NumPy Ndarray 对象2. NumPy 数据类型数据类型对象 (dtype)3. NumPy 数组属性ndarray.ndimndarray.shapendarray.itemsizendarray.flags4. NumPy 创建数组numpy.zerosnumpy.ones5. NumPy 从已有的数组创建数组numpy.asarraynumpy.frombuffer6. NumPy 从数值范围创建数组nu

原创 高等数学——微分方程

文章目录1.答题模板2. 一阶线性微分方程3.常系数非齐次线性微分方程f(x)=P(m)eλx型f(x)=P(m)e^{λx}型f(x)=P(m)eλx型f(x)=eλx[Pm(x)cosωx+Pn(x)sinωx]型f(x)=e^{\lambda x}[P_m(x)cos{\omega}x+P_n(x)sin{\omega}x]型f(x)=eλx[Pm​(x)cosωx+Pn​(x)sinωx]型1.答题模板微分方程。各位是不是学的很酸爽呢？其实本章内容逻辑非常简单，主要是微分方程的形式和种类太多，难

原创 xgboost

文章目录一.XGBoost原理1.目标函数2.第t颗树3.泰勒公式展开4.定义一颗树5.定义树的复杂度6.叶子节点归组7.树结构打分8.分裂一个节点9.寻找最佳分裂点10.停止分裂二.XGBoost实战1.简单流程2.参数解析3.建立模型4.再牛逼的技术也挡不过傻逼似的坚持。一.XGBoost原理1.目标函数y^i\hat y_iy^​i​是第i个样本xix_ixi​的预测值2.第t颗树XGBoost是一个加法模型，假设我们第t次迭代要训练的树模型是ft()f_t()ft​()，则有：

原创 机器学习——xgboost

文章目录一.基础知识1.损失函数2.GBDT与XGBoost区别二.实战数据接口参数基于天气数据集的XGBoost分类实战基于树模型的XGBoost则能很好地处理表格数据.所以打比赛常用一.基础知识1.损失函数L1、L2、smooth L1三类损失函数2.GBDT与XGBoost区别1.目标函数通过二阶泰勒展开式做近似。传统GBDT在优化时只用到一阶导数信息，xgboost则对代价函数进行了二阶泰勒展开，同时用到了一阶和二阶导数。注：支持自定义代价函数，只要函数可一阶和二阶求导。2.定义了树

原创 爬虫学习路线

文章目录一. 基础知识二. 开始学习三. 进阶由于爬虫是编程里比较高级的用法所以想要掌握爬虫需要掌握一点基础知识。但是很多人在学习方面有很多误区，比如认为想要掌握一种技术，必须要将理论知识精通，实际上这是很傻的做法，通常我们只需要先会用就行了，就像你学开车，难道要把发动机是怎样制作，怎样运行掌握的一清二楚吗？我首先要站在一个较高的应用层面来考虑问题（毕竟这东西写出来就是给人使用的），如果有需要的话可以下降到理论层去深入理解运作原理。一. 基础知识二. 开始学习三. 进阶...

原创 使用matplotlib绘制条形图

文章目录**1.彩色版****2.黑灰色版**本栏目文章旨在为保存自己所敲过的代码，同时供广大编程爱好者学习和指正1.彩色版import numpyimport pandas as pdfrom pandas import Series,DataFrameimport matplotlib.pyplot as pltimport seaborn as sbplt.rcParams['font.sans-serif']=['SimHei']"""定义数据"""height=[1500

原创 插入排序法——C++和Python实现

插入排序法插入排序法类似于打扑克摸牌时的情况，每抽到一张牌都会根据牌面大小选择一个合适它的位置。插入排序法类似于此。所以插入排序法非常试用于被排序集合中有一定数量已经排序好的数列。C++#include<iostream>using namespace std;int main(){ int i,j,n,v,i1; cout<<"输入排序数量:"<<endl; cin>>n; int a[n]; for(i=

原创 冒泡排序法——C++和Python

冒泡排序法C++//从小到大#include "iostream"using namespace std;int i,j,sr;int n;void print(int B[],int N){ for(int i=0;i<n;i++){ cout<<B[i]<<" , "; }cout<<endl;}void sort(int A[],int N){ for(i=0;i<N-1;i++){

原创 深度优先算法——C

深度优先算法——C#include<bits/stdc++.h>using namespace std;long long ans=0;int ss[3][4]={0,0,0,0,0,0,0,0,0,0,0,0};void dfs(int x,int y){ if(x>2||x<0||y>3||y<0) return ; //运行到这里，说明已经越界了，则需要返回上一级的dfs()，然后换个方向继续寻找 if(ss[x][y]==

原创 几种常见激活函数的图像绘制

文章目录1.sigmoid(x)=11+e−xsigmoid(x)=\frac{1}{1+e^{-x}}sigmoid(x)=1+e−x1​2.3.4.1.sigmoid(x)=11+e−xsigmoid(x)=\frac{1}{1+e^{-x}}sigmoid(x)=1+e−x1​import matplotlibimport matplotlib.pyplot as pltimport numpy as npmatplotlib.rcParams['font.sans-serif'] = [

原创 Cookie有什么用？

原创 大数据分析——Matplotlib进阶教程

文章目录问题区设置坐标轴1.matplotlib.pyplot总览（1）总函数（2）常用函数常用函数解析对于figure和axes的理解2.实战 （1）三维图 3D画图常用函数np.meshgrid()np.mgrid()解析实例（2）饼状图 （3） 等高线图 （4） 热力图 问题区设置坐标轴plot.grid()画线如果没有看初级教程的小伙伴们可以看一下上一篇教程大数据分析——Matplotlib入门教程这期教程将系统讲解Matplotlib的各种方法及其参数，如果能帮到你，小伙伴记得点赞哦！

原创 大数据分析——Matplotlib入门教程

文章目录1.问题区2. matplotlib.pyplot简介1.Pyplot中的基础函数解析3. 使用Matplotlib画图基本步骤基础方法解析 ：基础参数解析：Line Styles线条形状：Markers 折点形状选择:Colors管理多个子图4. 实战2.初级数据可视化——画图简单二维图本教程只是带领读者体验一下Maplotlib使用的基本方法下一章我们将进行进阶教程1.问题区1.为什么 使用 plt.gcf().set_facecolor(np.ones(3)* 240 / 255)

原创 选择排序法——C++

选择排序法个人感觉和插入排序算法大同小异代码实例：//从小到大#include "iostream"using namespace std;int i,j,sr;int min_number;int n;void print(int B[],int N){ for(int i=0;i<n;i++){ cout<<B[i]<<" , "; }cout<<endl;}void sort(int A[],int

原创 机器学习入门（1）——线性回归

文章目录入门线性回归回归线性回归工作原理例子解释R-Squared预测未来价值入门机器学习使计算机能够从研究数据和统计信息中学习。机器学习是迈向人工智能（AI）方向的其中一步。机器学习是一种程序，可以分析数据并学习预测结果。从何处开始？在本教程中，我们将回到数学并研究统计学，以及如何根据数据集计算重要数值。我们还将学习如何使用各种 Python 模块来获得所需的答案。并且，我们将学习如何根据所学知识编写能够预测结果的函数。线性回归回归当您尝试找到变量之间的关系时，会用到术语“回归”

原创 机器学习入门（2）——多项式回归

文章目录1.多项式回归（Polynomial Regression）2.工作原理3.R-Squared(R2R^2R2)什么是R2R^2R2数学公式算法实现4.多项式回归有几种方法（1）numpy（2）sklearn（3）scipy1.多项式回归（Polynomial Regression）如果您的数据点显然不适合线性回归（穿过数据点之间的直线），那么多项式回归可能是理想的选择。像线性回归一样，多项式回归使用变量 x 和 y 之间的关系来找到绘制数据点线的最佳方法。2.工作原理Python 有一些

原创 机器学习实战（1）——房价预测

文章目录一. 对于文章涉及知识的学习（1）数据处理——数据标准化（2）欧式距离与马曼哈顿距离（3）多项式拟合二. 对于文章的理解本文章的是基于另外一位博主文章的分析型文章，读者可先行阅读此文章再来看我的文章Python机器学习房价预测 (斯坦福大学机器学习课程)机器学习的步骤简单的分为以下三步步骤①数据获取与处理步骤②选择与训练模型步骤③评估与显示一. 对于文章涉及知识的学习（1）数据处理——数据标准化1.为什么要进行数据标准化？在现实生活中，一个目标变量（y）可以认为是由多个特征变量

原创 Python实现梯度下降

具体数学原理我就不写了，这里只大讲一下数学公式grad∣f(x,y)=∂f∂xi⃗+∂f∂yj⃗grad\mid{f(x,y)}=\frac{\partial f}{\partial x}\vec{i} +\frac{\partial f}{\partial y}\vec{j}grad∣f(x,y)=∂x∂f​i+∂y∂f​j​ （二维）grad∣f(x,y,z)=∂f∂xi⃗+∂f∂yj⃗+∂f∂zk⃗grad\mid{f(x,y,z)}=\frac{\partial f}{\partial x}\

原创 机器学习入门（3）——决策树（分类树）

文章目录 3.1决策树模型3.2生成决策树概念方法3.3切分特征的选择3.3.1信息熵3.3.2条件信息熵3.3.3信息增益3.3.4信息增益比3.3.5基尼指数3.4算法实现3.5绘制决策树第三方库graphviz绘制（板砖中……）使用DecisionTreePlotter（板砖中……）3.6项目实战（板砖中……）3.6.1准备数据3.6.2模型训练与测试 本文章只基于Numpy库实现决策树（但是有更好的方法）决策数是一种应用广泛的归纳推理算法，在分类问题中，决策树算法基于特征对样本进行分类，构成一

原创 python语法笔记

文章目录数据类型循环函数面向对象编程类的相关知识点多线程创建方法通过threading.Thread()创建线程通过继承threading.Thread()类创建线程threading.Thread（）的常用方法线程同步和线程锁文件操作文件访问（打开------关闭）数据类型和C,C++,Java一样python也有int,double,float,char......但是也有不同的。见下图 列表列表使用[ ]闭合定义，元素可以是任意类型的，可以多种类型混合使用。list=[1,3.1

原创 Sklearn库学习（1）——SVM

文章目录sklearn.svm.SVC()SVM Margins Examplesklearn.svm.SVC()class sklearn.svm.SVC(*, C=1.0, kernel='rbf', degree=3, gamma='scale', coef0=0.0, shrinking=True, probability=False, tol=0.001, cache_size=200, class_weight=None, verbose=False, max_iter=- 1,