![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 64
长相思兮长相忆_
这个作者很懒,什么都没留下…
展开
-
[mysql]JDBC连接数据库
// 使用PreparedStatement(预处理对象)进行数据库连接 (防止sql注入问题) public void login1(String username, String password) throws ClassNotFoundException, SQLException { // 1.注册驱动 Class.forName("com.mys...原创 2018-08-09 17:07:36 · 180 阅读 · 0 评论 -
[mysql] sql语句操作数据库
1.登录Mysqlmysql -uroot -p 一。对数据库的操作创建一个库create database 库名create database 库名 character set 编码 2. 删除一个库drop database 库名 3. 使用库use 库名 4.查看当前正在操作的库Select database(); ...原创 2018-08-04 14:20:06 · 156 阅读 · 0 评论 -
[machine learning] logistic回归
利用logistic回归进行分类的主要思想是:根据现有的数据对分类边界线建立回归公式,以此进行分类。本章简单介绍了基本的梯度上升法和随机梯度上升法。logistic回归的优点是计算代价不高,易于理解和实现。缺点是容易欠拟合,分类精度可能不高。一。logistic回归的一般过程:收集数据——准备数据(数值型)——分析数据(任意方法)——训练算法(找到最佳的回归系数)——测试算法——使用算法。二。si...原创 2018-07-02 16:28:46 · 186 阅读 · 0 评论 -
[machine learning] 基于概率论的朴素贝叶斯算法
朴素贝叶斯是一种基于概率论的分类方法,基本原理是:用P1(x,y)表示点(x,y)属于类别1的概率,用P2(x,y)表示点(x,y)属于类别2的概率,如果P1>P2,则点(x,y)属于类别1,如果P1<P2,则点(x,y)属于类别2。朴素贝叶斯的优点是在数据较少的情况下仍然有效,缺点是对数据的准备方式比较敏感,只适用于标称型数据。“朴素”表示特征之间相互独立。一。朴素贝叶斯的一般流程收...原创 2018-06-26 21:19:45 · 259 阅读 · 0 评论 -
[machine learning] 决策树ID3算法
决策树是经常使用的数据挖掘的算法,原理是通过训练集创造一个树,然后对待分类的数据进行分类。决策树只适用于标称型数据,即离散化的数据。优点是数据的形式很容易理解,可以处理不相关的特征数据,缺点是无法给出数据的内在含义,并且ID3算法会产生过度匹配的问题。一。决策树的一般流程收集数据———准备数据(必须是标称型数据,数值型的数据需要离散化)——分析数据——训练算法(构造树)——测试算法(使用经验树计算...原创 2018-06-17 15:19:51 · 253 阅读 · 0 评论 -
[mechine learning] KNN算法
下面是用python实现K-近邻算法:下面是K-近邻算法的测试:结果如图所示,可以正确的将输入进行分类:在命令行中运行如下: 结果也正确原创 2018-06-05 16:59:12 · 137 阅读 · 0 评论 -
[python] numpy.tile()
A=([1,2,3],[4,5,6]) tile(A,3): 每一维复制三遍 =tile(A,(1,3))tile(A,(2,3)) : 等于重复复制两遍 tile(A,(1,3))原创 2018-06-04 21:08:30 · 113 阅读 · 0 评论