helloworldsv-CSDN博客

原创 sklearn文档-第一次笔记

1.1.1 Ordinary Least Squares(普通最小二乘法)LinearRegression（线性回归）是一个线性模型,其具有系数 s=(w1…wp)s=(w1…wp) s=(w_1\ldots w_p) ,这个线性回归函数最小化了数据集中真实数据的最小残差平方和，也就是通过线性估计进行了预测。在数学上解决了 minw||Xw−y||minw||Xw−y||\min_w||Xw-...

2018-04-24 12:01:42 550

原创机器学习（MDS,ISOMAP）

一、问题高维数据一直是数据挖掘领域一个比较棘手的问题，尤其是在文本挖掘、图像处理以及基因信息处理等领域，在数据维度比较高的情况下，我们训练所得到的学习器通常就会无法工作，或者变得效率很低。那么为了更好的分析利用数据，我们就不得不把数据集从高维空间降到低维空间。如何实现利用MDS和isomap算法进行降维？二、数据简介广泛应用的Iris数据集，数据量小，计算方便。150个样本，3

2017-11-25 09:58:18 3219 1

原创数值计算与优化（共轭梯度法和QR）

# -*- coding: utf-8 -*-import numpy as npimport time #calculate time of diffient methodnp.random.seed(2) #set seed to make x0 unchangeddef Create_Tridiagonal_Matrices(a,b,c,n):#创建一种特殊的三对角矩阵，主对角线元

2017-11-25 09:25:27 653

原创数值计算（迭代法解方程组）

1.主要思想：AX=bAX=b 经过一定的变换成X=BX+fX=BX+f，然后从初始向量出发，计算Xk+1=BXk+fX^{k+1}=BX^{k}+f，经过一定的次数后得到Xk+1X^{k+1}会收敛于真正的值。问题来了？如何得到X=BX+f这种形式？如何证明收敛？接下来的几个算法都是围绕这个问题。2.雅可比迭代法

2017-11-25 09:24:18 3452

原创深度学习（参数选择）

参数处理各种参数之间的重要性是有差别的。Alpha1，beta,beta1,beta2,epsilon.(0.9,0.999,10^-8.)hidden units, layers, learning-rate decay3, mini-batch2 网格法一ban不太好，try random values ,（我们探究了更多的值） Coarse to fine （从粗糙到精细）为超参数选

2017-10-05 14:25:24 2066

原创深度学习（batch，mini-batch，其它算法）

batch vs mini-batch 2.理解mini-batch 分成几份，，，遍历做回归与反省回归。若size=m，才相当于batch。若size=1 ,随机梯度下降法（stochastic gradient descent）每个样本样本都是独立Mini_batch. 随机梯度下降法有很多的噪声。指错方向。往往不会到达最小值，而是在附近波动.很显然，一个样本求一次梯度，没有

2017-10-05 14:04:03 5181

原创深度学习（数据集划分偏差方差）

Mathematical expression of gaussian eliminationelimination-step and get a upper triangular matrixfor k=0 to n-1 mki=a(k)ika(k)kk(i=k+1,…,n−1) m_i^k= \frac {a_{ik}^{(k)}} {a_{kk}^{(k)}} (i=k+

2017-10-05 13:29:46 1253 1

原创数值计算方法（高斯消元以及LU分解）

Mathematical expression of gaussian eliminationelimination-step and get a upper triangular matrixfor k=0 to n-1 mki=a(k)ika(k)kk(i=k+1,…,n−1) m_i^k= \frac {a_{ik}^{(k)}} {a_{kk}^{(k)}} (i=k+

2017-10-03 17:57:59 4773

原创爬虫入门五（Phantomjs和selenium）

1.Phantomjs1.简介：PhantomJS是一个无界面的,可脚本编程的WebKit浏览器引擎。它原生支持多种web 标准：DOM 操作，CSS选择器，JSON，Canvas 以及SVG。2.必须掌握的操作：官方文档：http://phantomjs.org/quick-start.htmlconsole.log('输出');#显示phantom.quit();#停止#页面加载并下载这个图

2017-09-12 15:36:29 385

原创爬虫入门四（多线程爬虫）

1.单线程实现网页下载#coding=utf-8import datetimeimport csvfrom day3 import link_crawler #略有改动。same_domain修改一下。html编码改一下。from mongoDB import MongoCache#前面实现的def getUrl(number): urls=[] path='D:/top-

2017-09-10 16:32:08 330

原创爬虫入门三（获取各国网址，三种网页抓取方法，下载缓存）

对《用Python写网络爬虫》进行了总结归纳。1.爬相关地址#coding=utf-8import robotparserimport urlparseimport urllib2import urllibimport reimport datetimeimport timeimport Queue#初始化robotparserdef get_robots(url):

2017-09-09 22:38:42 2552

原创爬虫入门二（urllib,urllib2）

看了下网上的概念，比较模糊不知道作用。利用例子总结了一下。1.爬虫网站有各种数据，获得自己感兴趣的数据并保存的一种脚本。2.通信基础1.post和get：（1）get是从服务器上获取数据，post是向服务器传送数据。（2）在客户端，Get方式在通过URL提交数据，数据在URL中可以看到；POST方式，数据包装后提交。（3） GET方式提交的数据最多只能有1024字节，而POST则没

2017-09-08 13:39:15 357

原创西瓜书机器学习总结（一）

1.基本概念1.数据集，特征属性，属性值，训练集，样本，标记，独立同分布的假设balabala….简单易懂 2.归纳学习与归纳偏好：广义从样例学习，狭义是学习概念。西瓜模型的学习可以理解为从假设空间中搜索匹配，剔除不符合，最终会有多个模型，这个集合也可以叫做版本空间。然后我们必须根据规则选择一个，设计occam’s razor原理，选择最简单的。 3.NFL:所有模型的期望性能相同。（假设各个机

2017-09-06 16:23:33 1859

cbf的博客