qq_36235046的博客

classification_report用来分析不同类别的准确率，召回率，F1值等，从而便于按照类别查看准确率、召回率。一.首先介绍下精确率和召回率精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)。而召回率是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确...

转自：https://www.cnblogs.com/pinard/p/6251584.html 奇异值分解(Singular Value Decomposition，以下简称SVD)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。是很多机器学习算法的基石。本文就对SVD的原理做一个总结，并讨论在在PCA降维算法中是如何运用运...

转：https://blog.csdn.net/u012556077/article/details/51779865

PCA方法是数据降维的重要手段之一，方法比较简单，就是将样本数据求一个维度的协方差矩阵，然后求解这个协方差矩阵的特征值和对应的特征向量，将这些特征向量按照对应的特征值从大到小排列，组成新的矩阵，被称为特征向量矩阵，也可以称为投影矩阵，然后用改投影矩阵将样本数据转换。取前K维数据即可，实现对数据的降维。       假设样本数据有r维（组成一个r维向量），共有n个样本。组成r*n矩阵A，矩阵每一...

《Python机器学习及实践》上的code的时候，对于数据预处理中涉及到的fit_transform()函数和transform()函数之间的区别很模糊，查阅了很多资料，这里整理一下涉及到这两个函数的代码如下：[python] view plain copy# 从sklearn.preprocessing导入StandardScaler  from sklearn.preprocessing im...

1.输入图片大小为200×200，依次经过一层卷积（kernel size 5×5，padding 1，stride 2），pooling（kernel size 3×3，padding 0，stride 1），又一层卷积（kernel size 3×3，padding 1，stride 1）之后，输出特征图大小为：97解答：根据公式：输出尺寸=(输入尺寸-filter尺寸+2*paddi...

1.在HMM中,如果已知观察序列和产生观察序列的状态序列,那么可用以下哪种方法直接进行参数估计()正确答案: D   A.EM算法B.维特比算法C.前向后向算法D.极大似然估计解答： EM算法： 只有观测序列，无状态序列时来学习模型参数，即Baum-Welch算法即参数估计，是一种无监督的训练方法维特比算法： 用动态规划解决HMM的预测问题，不是参数估...

决策树一、  决策树优点1、决策树易于理解和解释，可以可视化分析，容易提取出规则。2、可以同时处理标称型和数值型数据。3、测试数据集时，运行速度比较快。4、决策树可以很好的扩展到大型数据库中，同时它的大小独立于数据库大小。二、决策树缺点1、对缺失数据处理比较困难。2、容易出现过拟合问题。3、忽略数据集中属性的相互关联。4、ID3算法计算信息增益时结果偏向数值...

转自：https://blog.csdn.net/jiazericky/article/details/80322225在数据挖掘过程中，数据清洗主要根据探索性分析后得到的一些结论入手，然后主要对四类异常数据进行处理；分别是缺失值(missing value)，异常值(离群点),去重处理(Duplicate Data)以及噪音数据的处理。 1. 探索性分析探索性分析部分，对于整个数...