- 博客(106)
- 收藏
- 关注
RSS订阅原创 数据挖掘中的数据属性特点、描述性统计度量与相似度计算
数据挖掘作为从大量数据中挖掘有价值信息的一种重要手段，通过深入了解数据属性、运用描述性统计度量和相似度计算方法，可以更好地理解数据的特点和规律。平均值是所有数据的和除以数据的个数，中位数是将数据从小到大排列后位于中间位置的值，众数是数据集中出现频率最高的值。范围是数据集的最大值与最小值之差，方差是每个数据点与平均值的差的平方的平均值，标准差是方差的平方根。银行和金融机构可以利用数据挖掘技术对客户的信用历史、交易记录等进行分析，建立风险预测模型，及时发现潜在的信用风险，从而降低不良贷款的风险。
2023-12-31 17:37:34
1626
原创 数据挖掘与知识发现：解析关键概念
数据挖掘与知识发现：解析关键概念## 目录1. **引言** - 1.1 背景 - 1.2 意义与应用2. **数据挖掘的基本概念** - 2.1 定义与范畴 - 2.2 数据挖掘过程 - 2.3 数据挖掘任务3. **知识发现的基本概念** - 3.1 知识发现与数据挖掘的关系 - 3.2 知识发现过程 - 3.3 知识发现方法4. **数据挖掘的技术与算法** - 4.1 关联规则 - 4.2 聚类分析 - 4.3 分类分析 - 4
2023-12-31 17:33:44
2634
原创 机器学习中的强学习器：AdaBoost算法详解
机器学习中的强学习器：AdaBoost算法详解目录1. 引言2. AdaBoost的基本概念2.1 弱学习器2.2 错误率与权重更新3. AdaBoost的工作流程3.1 初始化权重3.2 训练弱学习器3.3 更新样本权重3.4 构建强学习器4. AdaBoost的优缺点4.1 优点4.2 缺点5. 应用场景6. AdaBoost与其他算法的比较7. 实例演示：使用AdaBoost解决二分类问题7.1 数据准备7.2 模型训练。
2023-12-25 13:31:54
1872
原创 基于Levenberg-Marquardt算法改进的BP神经网络-公式推导及应用
Levenberg-Marquardt算法是一种用于非线性最小化问题的优化算法，通常用于训练神经网络。它结合了梯度下降和高斯-牛顿方法的特点，旨在提高收敛速度和稳定性。下面是基于Levenberg-Marquardt算法改进的反向传播（BP）神经网络的详细推导过程。考虑一个具有L层的前馈神经网络，其中第l层（l=1,2,...,L）有nl个神经元。令θ表示所有权重和偏置参数的集合。网络的输入为x，输出为y，训练数据集包含N个样本{(xi, yi)}。 - 输入层： - 第l层的激活： - 第
2023-12-18 22:37:50
2211
原创 使用Python的Scikit-Learn进行决策树建模和可视化：以隐形眼镜数据集为例
首先，让我们来了解一下"lenses.txt"数据集。这个数据集包含以下特征列：1. `age`：患者的年龄。2. `prescription`：视力矫正处方的类型。3. `astigmatic`：是否患者患有散光。4. `tear_rate`：眼泪生产率。还有一个目标列：- `class`：决定了应该使用哪种类型的隐形眼镜（硬材质、软材质、不适用）。在本文中，我们介绍了如何使用Python的Scikit-Learn库来构建决策树模型，并使用Graphviz进行可视化。
2023-10-31 11:29:13
2226
原创 使用pytorch解析mnist数据集
root`参数指定了数据集的根目录，`train=True`表示加载训练数据集，`transform`参数是之前定义的数据预处理管道，`download=False`表示不自动下载数据集。如果你没有手动下载数据集，你可以将`download`参数设置为`True`，数据集将会被自动下载到指定的`root`目录。`torch`和`torchvision`是PyTorch的库，而`transforms`用于定义图像转换，`MNIST`用于加载MNIST数据集，`matplotlib`用于图像可视化。
2023-10-29 15:29:44
532
原创 对文件夹内的所有图像进行随机调整对比度和应用高斯滤波
如果要应用高斯滤波，生成一个随机的模糊半径 `radius`，然后使用 `image.filter(ImageFilter.GaussianBlur(radius))` 来应用高斯滤波。- 使用 `enumerate` 函数迭代 `image_files` 列表，同时获取索引 `i` 和图像文件名 `image_file`。- 使用 `try` 和 `except` 块来处理每个图像，以便在处理图像时出现错误时能够捕获异常。- `output_folder`：将处理后的图像保存到的文件夹路径。
2023-10-26 14:46:00
176
原创 数据挖掘-深入解析FP-Growth算法
数据挖掘作为一门重要的计算机科学领域，旨在从大规模数据集中发现隐藏的模式、关联以及有价值的信息。FP-Growth算法作为一种优秀的关联规则挖掘算法，通过构建紧凑的数据结构和高效的处理方式，能够在大数据集上高效挖掘频繁项集，本文将深入解析FP-Growth算法的原理和优势，并介绍其在实际应用中的案例。数据挖掘是从大量数据中自动发现模式、关联和信息的过程。它涉及多个领域，如机器学习、统计学、数据库系统等。数据挖掘的主要目标是从数据集中提取有用的知识，这些知识可以用于预测未来趋势、做出决策或优化业务流程。
2023-07-20 18:49:26
2701
2
原创 数据挖掘-Apriori算法的规则与步骤实现
数据挖掘是一种通过从大规模数据集中自动发现模式、关系和规律的过程，以提取有用的信息和知识为目标。数据挖掘技术可以应用于各个领域，包括商业、科学、医疗、社交网络等，帮助人们从海量数据中获取有意义的洞察和决策依据。在当今信息时代，我们面临着海量、复杂和多样化的数据。这些数据包括结构化数据（如数据库、电子表格）和非结构化数据（如文本、图像、音频、视频等），它们以指数级的速度增长。数据挖掘技术的出现正是为了应对这一挑战，通过智能化的算法和方法，帮助我们从这些数据中提取有用的知识。
2023-07-15 12:01:47
2822
原创 深度前馈网络(DNN)：理解、应用和Python示例
深度前馈网络（Deep Feedforward Network），也被称为前馈神经网络或多层感知器（Multilayer Perceptron，MLP），是深度学习领域中最基本和最经典的模型之一。它是一种具有多个隐藏层的前馈神经网络模型，通过多层非线性变换来学习数据的表示和特征，从而实现各种机器学习任务。在深度前馈网络中，信息从输入层流向输出层，每一层都通过一系列的权重和偏置来对输入进行线性组合和非线性变换。这些层之间的连接是前向的，即信息只能从前一层传递到后一层，没有反馈连接。
2023-06-26 21:25:04
4695
原创 最优化理论中的惩罚函数法：概念、推导和应用
在惩罚函数法中，我们需要定义一个合适的惩罚函数。惩罚函数法是最优化理论中常用的方法之一，用于处理具有约束条件的最优化问题。通过引入惩罚函数，将约束问题转化为无约束问题，并使用无约束优化算法求解。惩罚函数法在无约束最优化问题、约束最优化问题以及近似解的求解中具有广泛的应用。同时，惩罚函数法也可以通过改进和扩展来提高求解效率和收敛性。未来，随着最优化理论和算法的发展，惩罚函数法有望在更多领域发挥重要作用。
2023-06-24 16:32:39
6200
原创 最优化理论中的罚函数法：解决约束优化问题的强大工具
罚函数法是一种将约束优化问题转化为无约束优化问题的方法。它通过对目标函数添加罚项来惩罚违反约束条件的解，从而将约束问题转化为无约束问题。罚函数法的基本思想是在目标函数中引入一个罚项，该罚项在违反约束条件时增加函数值，从而促使优化算法在搜索过程中更倾向于满足约束。
2023-06-21 19:31:10
4861
原创 数据结构-归并排序：理解和实现（附C++代码）
归并排序是一种分治算法，其基本思想是将待排序的序列递归地划分成两个子序列，直到每个子序列的长度为1，然后将这些子序列两两合并，最终得到一个有序的序列。具体来说，归并排序的过程可以分为三个步骤：分解、归并和合并。归并排序是一种高效且稳定的排序算法，通过分治的思想将一个大问题划分为小问题，最终合并得到有序序列。本篇博客详细介绍了归并排序的原理和步骤，并提供了C++实现的代码。希望通过本文的介绍，读者能够对归并排序有更深入的理解，并能够运用到实际的编程中。
2023-06-21 14:00:46
352
原创 计算机组成原理（考研408）练习题#4
在流水执行中，指令被分成若干个阶段，每个阶段由不同的流水线段处理，不同的指令可以同时处于不同的阶段。根据规范化科学计数法的表示形式，符号位为0（表示正数），指数位为-3+127=124（偏移值为127），尾数位为00000000000000000000000（23个0，因为尾数是规范化的，首位默认为1）。1. 指令周期（Instruction Cycle）：指令周期是执行一条指令所需的时间，包括取指令、解码指令、执行指令、访存和写回等步骤。一个完整的指令周期包括从一条指令的开始到下一条指令的开始。
2023-06-19 21:06:54
1604
原创 计算机组成原理（考研408）练习题#3
8. 在某指令中，已知该指令某一个操作数的地址码部分存放着寄存器 R1，寄存器 R1 的内容为 1234H， 内存 1234H 单元的内容为 5678H。若该指令采用寄存器寻址，则该指令取到的操作数为_______，若 该指令采用寄存器间接寻址，则该指令取到的操作数为________.顺序控制字段是控制字段的一种，用于控制微程序的执行顺序。3. 若某机器用补码表示有符号数，若两个有符号数 x=11110100，y=11111010，则 x+y=______（该处填 机器数），该数的真值是_________
2023-06-16 11:07:53
1834
1
原创 数据结构-简单排序算法的思路与实现
在计算机科学中，排序算法是一种将元素按照特定顺序排列的算法。排序算法可以分为内部排序和外部排序，内部排序是指所有数据都可以放在内存中进行排序，而外部排序是指数据量太大，无法全部放入内存，需要借助外部存储器进行排序。简单选择排序是一种内部排序算法，它的基本思想是：每次从待排序的数据元素中选出最小（或最大）的一个元素，存放在序列的起始位置，直到全部待排序的数据元素排完。简单选择排序是一种简单但效率较低的排序算法，它的时间复杂度为 O(n^2)。
2023-06-15 17:24:46
1004
原创 数据结构-堆排序的定义与思路实现
堆是一种特殊的树形数据结构，它满足以下两个条件：1. 堆是一棵完全二叉树；2. 堆中每个节点的值都大于等于（或小于等于）其子节点的值。堆分为大根堆和小根堆，大根堆中每个节点的值都大于等于其子节点的值，小根堆中每个节点的值都小于等于其子节点的值。堆排序是一种基于堆的排序算法，它的基本思想是将待排序的序列构建成一个堆，然后依次取出堆顶元素，直到堆为空。堆排序是一种基于堆的排序算法，它的时间复杂度为O(nlogn)，并且它是一种原地排序算法，不需要额外的存储空间。
2023-06-15 17:18:12
1130
原创 数据结构-快速排序的原理与实现
在计算机科学中，排序是一种重要的算法。快速排序是一种常用的排序算法，它的时间复杂度为O(nlogn)，在实际应用中被广泛使用。本文将介绍快速排序的原理、实现以及C++代码，并对其进行优化。快速排序是一种高效的排序算法，它的时间复杂度为O(nlogn)。本文介绍了快速排序的原理、实现以及C++代码，并对其进行了优化。在实际应用中，可以根据具体情况选择不同的优化方法，以达到更好的排序效果。
2023-06-15 17:16:52
320
原创 数据结构-起泡排序的原理与实现
数据结构是计算机科学中的重要分支，它研究的是数据的组织、存储和管理方式。在数据结构中，排序算法是一种非常重要的算法，它可以将无序的数据按照一定的规则进行排列，使得数据更加有序，方便后续的处理。起泡排序是一种简单的排序算法，它的原理非常简单，但是在实际应用中也有一定的局限性。本文将介绍起泡排序的原理、时间复杂度以及C++实现。起泡排序是一种简单的排序算法，它的原理非常简单，就是通过不断比较相邻的两个元素，如果它们的顺序不对就交换它们的位置，直到所有的元素都排好序为止。
2023-06-15 17:09:52
1530
原创 数据结构-希尔排序的思想与步骤以及代码实现
数据结构是计算机科学中的重要分支，它研究数据的存储、组织和管理方式，以及数据操作的算法和应用。在数据结构中，排序算法是最基本的算法之一。排序算法可以将一组无序的数据按照一定的规则进行排列，使得数据具有有序性，方便后续的数据处理和应用。本篇博客将介绍一种常用的排序算法——希尔排序。希尔排序是一种基于插入排序的排序算法，它通过将待排序的数据分成若干个子序列，对每个子序列进行插入排序，从而实现对整个序列的排序。希尔排序的时间复杂度为O(nlogn)，是一种高效的排序算法。
2023-06-15 17:07:52
466
原创 数据结构-插入排序的原理与实现
标题：插入排序：数据结构中的经典排序算法目录：1. 引言2. 插入排序的原理3. 插入排序的实现3.1 直接插入排序3.2 二分插入排序3.3 希尔排序4. 插入排序的时间复杂度分析5. 插入排序的优缺点6. 实例分析：使用插入排序对数组进行排序7. 结论8. 参考文献。
2023-06-12 19:36:12
2134
1
原创 使用Java调用Yolo模型的准备工作与输入输出
Yolo是一种基于深度学习的目标检测算法，通过将目标检测任务转化为一个回归问题，直接在图像级别上预测边界框和类别信息。相比于传统的两步检测方法（如R-CNN系列），Yolo算法具有更快的速度和更好的实时性能。Yolo（You Only Look Once）是一种流行的实时目标检测算法，具有高效性和准确性。Yolo算法的主要思想是将目标检测问题转化为一个回归问题，并使用单个卷积神经网络同时预测目标的位置和类别。本文介绍了如何使用Java调用Yolo目标检测模型，并给出了相关示例代码。
2023-06-11 14:12:52
3848
原创 数据结构-B树的特点结构与C++实现
B树，全称为B-树（B-tree），是一种自平衡的搜索树，由Rudolf Bayer和Edward McCreight于1972年提出。B树的设计目标是在磁盘等外部存储介质上进行高效的查找、插入和删除操作。B树的关键特点是它可以容纳多个子节点的节点，这使得B树可以充分利用外部存储介质的块读取能力，减少磁盘IO次数，提高访问效率。B树的节点通常会存储一组有序的键值对，用于进行数据的检索和排序。
2023-06-09 20:43:11
1736
原创 数据结构-散列表的含义与C++实现
散列表是一种非常重要的数据结构，它可以实现快速的查找、插入和删除操作。散列表的核心是散列函数，一个好的散列函数可以提高散列表的性能。散列表的查找技术主要有直接寻址表、线性探测法、平方探测法和双散列法。散列表的优点是查找效率非常高，缺点是需要消耗大量的空间。
2023-06-08 17:01:25
1374
原创 数据结构-顺序表的结构与代码实现
顺序表是一种线性结构，它是一种连续的存储结构，可以用数组来实现。顺序表中的元素在内存中是连续存储的，每个元素都有一个唯一的下标，可以通过下标来访问元素。顺序表中的元素可以是任意类型的数据，如整数、浮点数、字符、字符串等。顺序表是一种静态的数据结构，它的大小在创建时就已经确定，无法动态地改变大小。如果需要添加或删除元素，需要重新创建一个新的顺序表，并将原来的元素复制到新的顺序表中。
2023-06-06 22:04:26
1236
原创 最优化理论-KKT定理的推导与实现
KKT定理是最优化理论中的重要定理，它告诉我们如何判断一个点是否是最优解，以及如何求解最优解。KKT定理的证明需要用到拉格朗日对偶性，具体证明过程可以分为构造拉格朗日函数、构造拉格朗日对偶函数、推导KKT条件和解释KKT条件四个步骤。
2023-06-06 11:54:27
8761
1
原创 数据结构-二叉排序树的操作与实现
二叉排序树（Binary Search Tree，简称BST）是一种二叉树，它满足以下条件：1. 左子树上所有节点的值均小于它的根节点的值；2. 右子树上所有节点的值均大于它的根节点的值；3. 左右子树也分别为二叉排序树。二叉排序树的定义可以用递归的方式描述，即一个二叉树是二叉排序树，当且仅当它的左子树是二叉排序树，右子树是二叉排序树，并且左子树中所有节点的值都小于根节点的值，右子树中所有节点的值都大于根节点的值。二叉排序树是一种常见的数据结构，可以用于排序、查找和数据统计等操作。
2023-06-01 17:16:46
2291
原创 信号处理与分析-傅里叶
傅里叶级数是将一个周期函数表示为一系列正弦和余弦函数的和的形式。设$f(x)$是一个周期为的函数，那么它的傅里叶级数可以表示为：其中，和傅里叶变换是一种将时域信号转换为频域信号的数学工具。它将一个连续时间的信号分解成不同频率的正弦和余弦波的叠加，从而得到信号在频域上的表示。傅里叶变换的公式如下：其中，是时域信号，是频域信号，是角频率，是虚数单位。离散傅里叶变换是一种将离散时间的信号转换为频域信号的数学工具。
2023-05-29 19:22:33
1846
原创 信号处理与分析-卷积的性质与推导
卷积是一种数学运算，它描述了两个函数之间的相互作用。在信号处理中，卷积通常用于描述两个信号之间的相互作用。具体来说，如果有两个信号和$g(t)$，它们的卷积可以表示为：其中，和是两个信号，是它们的卷积，是积分变量。在数字信号处理中，我们通常处理的是离散信号。因此，我们需要将卷积的定义扩展到离散信号。具体来说，如果有两个离散信号和，它们的卷积可以表示为：其中，和是两个离散信号，是它们的卷积，是求和变量。卷积是信号分析中的重要概念，它可以用于信号滤波、信号去噪和信号识别等实际应用。
2023-05-28 21:33:28
5008
原创 使用python批量重命名文件夹中的文件
在日常工作中，我们经常需要对文件进行重命名，比如将一些图片按照顺序重命名，方便我们进行管理和查找。如果手动一个一个重命名，那么工作量就会非常大，效率也很低。因此，我们可以使用Python来实现对文件的批量重命名，提高工作效率。本篇博客将介绍如何使用Python对一个文件夹内的所有图片进行重命名，并按照顺序排序。
2023-05-27 15:05:29
4584
原创 最优化理论-最速下降法的推导与应用
接着定义了一个梯度下降函数 `descent(x0, alpha, eps)`，其中 `x0` 是初始点，`alpha` 是学习率，`eps` 是收敛精度。以上两份代码实现了最速下降法，其中`f`和`grad_f`分别为目标函数和梯度函数，`descent`函数实现了最速下降法的迭代过程，`x0`为初始点，`alpha`为步长，`eps`为停止迭代的阈值。在实际应用中，可以根据需要修改函数和梯度函数的定义，以及调整学习率和停止条件等参数，来求解不同的优化问题。梯度的方向指向函数增长最快的方向。
2023-05-27 11:34:57
5457
2
原创 数据结构-最小生成树的Kruskal算法的实现
最小生成树是一种用于解决连通图的问题的算法，它的目的是找到一个连通图的所有节点的子集，使得这个子集中的所有节点都能够互相到达，并且这个子集的边权值之和最小。最小生成树的应用非常广泛，例如在网络设计、电路设计、城市规划等领域都有着重要的应用。
2023-05-25 17:45:13
1080
原创 数据结构-最小生成树Prim算法的实现
在计算机科学中，数据结构是一种组织和存储数据的方式，以便于访问和修改。数据结构是计算机科学的基础，它是算法的基础。在数据结构中，最小生成树是一种非常重要的概念。最小生成树是一个无向图的生成树，它的所有边的权值之和最小。最小生成树在许多领域都有广泛的应用，如网络设计、电路设计、城市规划等。在本文中，我们将介绍最小生成树中的Prim算法，并用C++实现。我们将首先介绍最小生成树的概念，然后介绍Prim算法的原理和实现方法。最后，我们将给出C++代码实现，并对代码进行解析。
2023-05-25 17:18:31
811
原创 信号处理与分析-确定性信号的分析
确定性信号是指在一定时间范围内，其波形和幅度都是确定的，不会发生随机变化的信号。确定性信号可以用数学函数表示，例如正弦函数、余弦函数、三角函数等。确定性信号与随机信号相对。随机信号是指在一定时间范围内，其波形和幅度都是随机变化的信号，例如噪声信号、随机震荡信号等。
2023-05-24 21:05:23
1843
原创 使用C++调用Yolo模型的方法与步骤
Yolo算法是一种基于深度学习的目标检测算法，其主要思想是将目标检测任务转化为一个回归问题。相比于传统的两阶段目标检测方法，Yolo算法采用单阶段的检测流程，使得其在速度上有较大优势。Yolo算法将输入图像划分为一个固定大小的网格，并在每个网格上预测目标的边界框和类别。每个边界框由5个值来表示：边界框中心的坐标(x, y)、边界框的宽度和高度(w, h)，以及边界框中包含目标的置信度。通过在多个尺度上进行预测，结合非极大值抑制等后处理步骤，可以得到最终的目标检测结果。
2023-05-23 20:24:25
4952
2
原创 最优化方法-牛顿法一维搜索
牛顿法，也称为牛顿-拉夫逊方法，是一种迭代的优化算法，用于求解非线性函数的极值点。它通过利用函数的二阶导数信息来逼近极值点，并在每次迭代中更新搜索方向，以快速收敛到最优解。牛顿法一维搜索是最优化方法中的重要工具，通过利用函数的一阶和二阶导数信息，能够快速逼近最优解。在使用牛顿法进行一维搜索时，需要注意初始点的选择、导数的计算、二阶导数的正定性检查、迭代终止条件的设定以及非凸函数的处理。了解并灵活运用这些注意事项，将有助于更有效地应用牛顿法进行一维搜索，从而解决实际问题。
2023-05-23 19:32:56
2627
原创 数据结构-基于C++的压缩矩阵实现：高效存储与操作
在正式介绍基于C++的压缩矩阵实现之前，让我们先了解一下什么是压缩矩阵。压缩矩阵是一种用于表示稀疏矩阵（大部分元素为零）的数据结构。与传统的二维数组相比，压缩矩阵只存储非零元素的值和位置信息，从而节省了大量的存储空间。首先，我们需要定义一个数据结构来表示压缩矩阵。该数据结构可以包含以下成员变量：- rows: 矩阵的行数- cols: 矩阵的列数- values: 存储非零元素的数组- row_indices: 存储非零元素所在行的索引数组。
2023-05-23 19:21:18
896
原创 R语言环境配置指南：详解安装和设置步骤（ChatGPT3.5）
本文详细介绍了如何配置R语言环境，包括选择合适的R版本、安装R语言、配置集成开发环境（IDE）以及管理R软件包。通过正确配置R语言环境，您将能够充分发挥R语言在数据分析和编程方面的优势，提高工作效率和数据处理能力。希望本文的指南能够帮助您顺利搭建和配置R语言环境，并顺利进行数据分析和编程任务。本文详细介绍了如何配置R语言环境的高级配置和扩展。通过使用代码编辑器、R Markdown、并行计算、数据库连接和与其他语言的集成，您可以进一步优化和扩展R语言的功能，提高数据分析的效率和灵活性。
2023-05-22 22:12:58
6114
1
原创 将表格文件中的工作表分别另存为文件，基于C++，Java与python
在本篇博客中，我们介绍了如何使用C++、Java和Python分别实现对Xlsx文件中每个工作表的拆分，并将其另存为独立的Xlsx文件。无论您使用哪种语言，都可以通过相应的库和API来操作Xlsx文件，实现您的需求。在本篇博客中，我们将探讨如何使用C++、Java和Python分别实现对Xlsx文件中每个工作表的拆分，并将其另存为独立的Xlsx文件。与C++中的Xlsx文件结构相似，Java中的Xlsx文件由多个工作表组成，每个工作表包含多个行和列，形成一个表格。每个单元格可以包含不同类型的数据。
2023-05-20 19:51:14
661
原创 最优化理论-线性规划中的大M法的步骤
本文详细介绍了最优化理论中的大M法，包括其基本思想、步骤、优缺点以及应用。大M法是一种常用的线性规划求解方法，可以用来求解任何xncnA%24b%24%24m%24%24x%24%24c%24%24A%24%24b%24%24M%24%24M%24%24M%24。
2023-05-19 20:47:04
4729
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人