自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(6)
  • 资源 (25)
  • 收藏
  • 关注

原创 机器学习(6)-逻辑回归

逻辑回归: 一般来讲,其实是用于研究某个事件的概率,输出的结果往往是0或者1 而输入又往往不止一个。 就是用几个不同的因素去预测这个事件到底是发生,还是不发生。 在预测的过程中,用到的是神奇的sigmoid函数 还是来看一下购买商品与否的案例:一共有400行数据 第一列是买家的年龄,第二列是买家的薪水,第三列是结果(0代表买过,1代表未买) 我们将数据集分成两部分。300个数...

2018-04-22 21:29:01 465

原创 机器学习(5)-多项式回归

多项式回归: 处理的是一些非线性问题,像一些无法用直线拟合的离散点,比方说随着工龄的增长和职位的升高而 增加的薪酬。 这样的问题,往往只有一个自变量。 多项式回归还是比较简单的 ///举一个栗子/// 一家企业:十个职位与对应的薪酬 这时候有一个人来你公司应聘,他已经在6职位上工作了两年多,还有几年就可以上到7职位了,你应该给他多少薪酬呢? 这种情况,我们就将他的职位按照6....

2018-04-17 13:44:39 554 1

原创 机器学习(4)-多元线性回归

一个唯一的因变量和多个自变量 之间的关系 这里自变量在处理之前不仅仅是数值型 上图: 我们要做的也就是,寻找到最佳的b0、b1、…….bn 这里有关于50个公司的数据: spend1、2、3代表了公司在某三个方面的花销,state是公司的的地址,profit则是公司去年的收入。现在要选择目标公司,要求绩效最好,也就是利用前四列的数据预测profit。 但是我们发现,y=b0+b...

2018-04-15 11:35:44 915 2

原创 机器学习(3)-简单线性回归

简单线性回归适用于 一维的简单的数据 比方说在某个数据集中,一列是员工的工作时间(假设以年为度量单位),一列是年薪,好比下图 类似这样的我们可以用简单线性回归来训练,并进行预测 图片中的式子就是简单线性回归的原理,我们需要做的是训练数据找到b0与b1 机器对应的线性回归器,学习就是拟合的过程,学习之后,学到自变量因变量的关系,确定自身的参数,就可以用来预测了。 首先导入数据集...

2018-04-10 19:01:50 373

原创 机器学习(2)-数据分类、缩放与模板

在对数据进行预测的时候,有必要对数据进行分类 就是将数据分类成训练集和测试集,这样是为达到更好的预测效果 from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = ...

2018-04-04 18:51:48 369

原创 机器学习(1)-数据预处理

在对数据进行分析时,经常会遇到数据缺失或者异常的情况 在这样的数据多的情况下删掉数据终归会对整体造成一定的影响 所以采取对数据进行处理的方法让缺失或者异常的数据有数可用 例如用均值或者最值进行代替 本文便用少量的数据进行分析 下面的数据存在着缺失,数据表示的来自某一些国家的人的年龄,薪资,是否结婚 要知道:在python中缺失的数据默认是NaN 首先导入数据文件,设置数据文件的自...

2018-04-02 18:50:23 2747

基于SSM的新闻管理系统

1.基于SSM的新闻管理系统,整个(IDEA 2019.3)项目与SQL文件的打包压缩文件 2.含有超级管理员,管理员(新闻编辑),普通用户,浏览者四种权限 3.超级管理员:管理所有用户,审核/删除新闻 4.管理员:对新闻增删改查,对新闻主题增删改查 5.新闻:新闻有主题,图片,标题,详细内容,图片采用链接的形式上传 6:普通用户:登录,注册,浏览、搜索、收藏新闻,有浏览记录。对新闻收藏点赞,取消收藏,取消点赞,删除浏览记录 7:浏览者:只可以浏览新闻 8:新闻网站:外接CSS与JS,界面美观

2020-01-10

【深度学习】CNN卷积神经网络-识别阿喵阿汪源代码

【深度学习】CNN卷积神经网络-识别阿喵阿汪源代码

2019-01-21

机器学习(10)-NLP自然语言处理大量餐馆评论:数据集与源码

机器学习(10)-NLP自然语言处理大量餐馆评论:数据集与源码 机器学习(10)-NLP自然语言处理大量餐馆评论:数据集与源码 机器学习(10)-NLP自然语言处理大量餐馆评论:数据集与源码

2019-01-14

机器学习(9)-PCA原理与实现:数据集与源码下载

机器学习(9)-PCA原理与实现:数据集与源码下载 机器学习(9)-PCA原理与实现:数据集与源码下载 机器学习(9)-PCA原理与实现:数据集与源码下载

2018-10-26

购物商城JSP课设 JSP+mysql+AJAX+分页

JSP课设,实现的购物商城的大部分功能. 包含:源代码,sql文件,需求分析,详细分析文档 1.游客,用户,管理员,不同权限的管理 2.商品,购物车,订单的增删改查管理 3.用户,管理员的增删改查管理 4.管理员增删改查商品 5.分页+AJAX

2018-09-08

html课设(个人博客网站)

个人博客网站,HTML课设 纯手写,适合新手,html+css_JavaScript 压缩包内容包含:源码+报告电子版+介绍ppt 实现的主要功能:主页/博客页/关于我/论坛/博客内容页一共20多个页面 1.登录注册,localstorge本地存储, 假表单搜素 2.涵盖表格(不限于数据展示,样式) 3.涵盖iframe框架 必须涵盖 4.DIV(全站) 5.网站完整且连续运行 6.包含1,2,3,4级页面 7.数据规范且相对有效地(无政治)

2018-07-07

机器学习(8)-朴素贝叶斯:数据集与源码下载

机器学习(8)-朴素贝叶斯:数据集与源码下载包含了数据集,预测集,预测结果,,源码

2018-06-20

mnist四个数据集

mnist数据集,一共是四个,下载以后要一起使用,里面包含了训练集和测试集

2018-06-18

机器学习(6)-逻辑回归:数据集与源码下载

机器学习(6)-逻辑回归:数据集与源码下载。博客当中用到的源码与数据集

2018-04-22

机器学习(5)-多项式回归:数据集与源码下载

机器学习(5)-多项式回归:数据集与源码下载。博客当中用到的源码与数据集

2018-04-16

机器学习(4)-多元线性回归:数据集与源码下载

机器学习(4)-多元线性回归:数据集与源码下载。博客当中用到的源码与数据集

2018-04-15

机器学习(3)-简单线性回归:数据集与源码下载

机器学习(3)-简单线性回归:数据集与源码下载数据集与源码下载。博客当中用到的源码与数据集

2018-04-09

机器学习(1)-数据预处理:数据集与源码下载

机器学习(1)-数据预处理:数据集与源码下载。博客当中用到的源码与数据集

2018-04-09

linux学习指导书

密码是20172017 linux学习指导书linux学习指导书linux学习指导书linux学习指导书linux学习指导书

2018-03-10

小波神经网络MATLAB实现

小波神经网络MATLAB实现比较详细 带有教程,小波神经网络MATLAB实现比较详细 带有教程

2018-03-10

机器学习实战!高清

机器学习实战,高清版PDF,带标签,带封面,带目录 机器学习实战,高清版PDF,带标签,带封面,带目录

2017-10-19

殷人昆 数据结构:用面向对象方法与C++语言描述 (第二版).pdf

殷人昆 数据结构:用面向对象方法与C++语言描述 (第二版) PDF殷人昆 数据结构:用面向对象方法与C++语言描述 (第二版

2017-09-04

数据结构用面向对象方法与c++语言描述

数据结构用面向对象方法与c++语言描述 随书代码以及原本书 数据结构用面向对象方法与c++语言描述 随书代码以及原本书

2017-09-04

clion与mingw

clion与mingw的压缩包,64

2017-08-29

几何加权法求解多目标规划问题_乔辰.caj

几何加权法求解多目标规划问题 乔辰. 请用caj打开

2017-08-29

数学建模优化模型与lingo安装包

数学建模优化模型ppt与lingo 13 的安装包

2017-08-28

数学建模优化模型

数学建模优化问题总结ppt

2017-08-28

MATLAB智能算法30个案例课本PDF及分析代码

快快快下载!!!!

2017-08-27

BP神经网络预测超详细

基于BP神经网络,测试集辛烷值含量预测结果对比

2017-08-24

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除