![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法
文章平均质量分 74
谁能告诉我怎么取网名
这个作者很懒,什么都没留下…
展开
-
正则表达式的使用方法(基础教程)以及案例
大家一起学习,一起进步,记录学习的点点滴滴。更加详细的内容可以关注我的知乎:专治各种不服 - 知乎别光点赞,求关注!私信必回! 回答数 22,获得 207 次赞同https://www.zhihu.com/people/jin-96-161、基础字符表示?=,?<=,?!,?<! 四者之间的使用方法2.1、?=str1(?=str2):查找str2前面的str1。注意:如果str1和str2之间存在其他字符,则没有办法匹配。2..原创 2021-11-19 11:36:36 · 640 阅读 · 0 评论 -
pandas使用技巧(持续更新)
print(data.shape) # 查看数据规模(维度)print(data.dtypes) # 查看各变量的数据类型print(data.info()) # 查看数据整体信息print(data.describe()) # 查看数据描述print(data.isnull()) # 查看空值print(data.columns) # 列名print(data['Age'].unique()) #查看Age唯一值print(data.values) .原创 2021-11-19 11:28:52 · 1086 阅读 · 0 评论 -
pca主成分分析理解笔记
一.PCA降维的目的(目标)就是为了在尽量保证“信息量不丢失”的情况下,对原始特征进行 降维,也就是尽可能将原始特征往具有最大投影信息量的维度上进行投影。将原特征投影到这些维度上,使降维后信息量损失最小。将原有的M维数据集,转换成N维的数据(N<M)。新生成的k维数据尽可能的包含原来d维数据的信息。目标(1).找到变异最大的新维度,以最大程度地区分不同数据点。(2).这一新维度应该可以让我们预测和重建原始维度,重建或投影误差(reconstruction/projection error)应该原创 2021-11-18 15:05:51 · 292 阅读 · 0 评论 -
机器学习中一些常用方法的说明
持续更新。。。欢迎批评 很多方法讲的都是原理,虽然讲的很对,但是看不懂,也不说这个东西是干嘛用的,就知道使用而使用,知道是用来干嘛的,才想去看原理1.归一化、正则化、标准化归一化:防止数据倾斜,导致所占比重过大。将原始数据线性化的方法转换到[0 1]的范围,该方法实现对原始数据的等比例缩放。通过利用变量取值的最大值和最小值(或者最大值)将原始数据转换为界于某一特定范围的数据,从而...原创 2019-10-26 17:10:21 · 285 阅读 · 0 评论 -
逻辑回归Logistics--简述
一、逻辑回归的作用logistic回归又称logistic回归分析,是一种广义的线性回归分析模型,常用于数据挖掘,疾病自动诊断,经济预测等领域。例如,探讨引发疾病的危险因素,并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例,选择两组人群,一组是胃癌组,一组是非胃癌组,两组人群必定具有不同的体征与生活方式等。因此因变量(Y)就为是否胃癌,值为“是”或“否”,自变量(X)就可以包括很多了,如...原创 2019-10-20 14:00:11 · 3052 阅读 · 0 评论 -
算法之路--高斯分布(一)
正态分布(英语:normal distribution)又名高斯分布(英语:Gaussian distribution),是一个非常常见的连续概率分布。正态分布在统计学上十分重要,经常用在自然和社会科学来代表一个不明的随机变量。可以判断各种情况出现的概率,进而指导下一步的操作随机变量是取值有多种可能并且取每个值都有一个概率的变量。它分为离散型和连续型两种,离散型随机变量的取值为有限个或者...原创 2019-06-10 20:22:30 · 8012 阅读 · 0 评论 -
算法之路--极大似然(二)
最大似然估计提供了一种给定观察数据来评估模型参数的方法,即:“模型已定,参数未知”。简单而言,假设我们要统计全国人口的身高,首先假设这个身高服从服从正态分布,但是该分布的均值与方差未知。我们没有人力与物力去统计全国每个人的身高,但是可以通过采样,获取部分人的身高,然后通过最大似然估计来获取上述假设中的正态分布的均值与方差。极大似然估计可以拆成三个词,分别是“极大”、“似然”、“估计”,分别的意...原创 2019-06-11 18:06:56 · 237 阅读 · 0 评论 -
算法之路--最小二乘法(三)
https://www.cnblogs.com/softlin/p/5815531.htmlhttps://www.zhihu.com/question/37031188原创 2019-06-11 19:53:11 · 208 阅读 · 0 评论