- 博客(16)
- 资源 (5)
- 收藏
- 关注
RSS订阅转载 【转】通俗易懂--岭回归(L2)、lasso回归(L1)、ElasticNet讲解(算法+案例)
1.L2正则化(岭回归)1.1问题想要理解什么是正则化，首先我们先来了解上图的方程式。当训练的特征和数据很少时，往往会造成欠拟合的情况，对应的是左边的坐标；而我们想要达到的目的往往是中间的坐标，适当的特征和数据用来训练；但往往现实生活中影响结果的因素是很多的，也就是说会有很多个特征值，所以训练模型的时候往往会造成过拟合的情况，如右边的坐标所示。1.2公式以图中的公式为例，往往我...
2019-09-27 20:08:33
1263
原创 numpy.random.permutation()打散数据同时保证数据x，y原本映射不变
想象这样一个应用场景，我有两个训练数据x和标签y一一对应的numpy数组，同时我想打乱他们的顺序，同时不改变每个x和对应y的映射关系，该怎么办呢？直接看下面的代码就懂了~import numpy as npy=np.array([[1],[2],[3]])x=np.array([["agg"],["asdgfasdfg"],["asdfffffffffff"]])shuffle_ind...
2019-09-26 16:22:50
1038
原创 机器学习笔记(一)——单变量线性回归
看的是吴恩达机器学习那一块的教程，里面公式繁多，为了以后自己能早点拾起来，这里特地记录一下。m代表的是样本数哈，n代表的是样本的特征数。以目标函数为例，他的代价函数就是J，要深刻理解代价函数的意思。其实他就是误差，咱们的目标就是选择一组好的theta来使这个代价函数尽量小。再来说一说梯度下降：批量梯度下降中批量的意思是每一次同时让所有的参数减去学习速率乘以代价函数的导...
2019-09-24 21:01:01
127
原创 sklearn实现套索回归(lasso regression)以及调参
scikit-learn 通过交叉验证来公开设置 Lasso中αα 参数的对象: LassoCV 和 LassoLarsCV。 LassoLarsCV 是基于下面解释的 最小角回归 算法。对于具有许多线性回归的高维数据集， LassoCV 最常见。 然而，LassoLarsCV 在寻找 αα 参数值上更具有优势，而且如果样本数量与特征数量相比非常小时，通常 LassoLarsCV 比 Lass...
2019-09-23 21:16:27
8456
4
原创 kaggle房价预测代码
写这篇博客之前，我自己完成了这道题，kaggle的分数是0.14777，排名前百分之60，不是很满意，然后花了两天的空闲时间读了一份前百分之十，一份前百分之15的人的代码，比较了一下他们代码，发现了很多共同点，这些就是以后我需要注意的，总结来看学到了不少知识，在这里我按照一份代码讲解一下这个题，同时记录一下收获。我看了他们的代码发现，他们都用了集成学习Stacking方法，这是我从来没有听说过...
2019-09-23 14:57:13
4128
5
原创 关于KFold.split
现在网上的博客好多都是复制粘贴的，哎，能把问题讲清楚的不多。这里讲一下KFold.split话不多说，用例子说话：from sklearn.model_selection import KFoldkf = KFold(n_splits=5, random_state=43, shuffle=True)a=[[1,2],[3,4],[5,6],[7,8],[9,10]]b=[1...
2019-09-21 22:20:27
12877
11
原创 scikit-learn代码实现SVM分类与SVR回归以及调参
分类二分类：from sklearn.model_selection import train_test_splitfrom sklearn.svm import SVCimport mglearn.datasetsimport matplotlib.pyplot as plt#forge数据集是一个二维二分类数据集X,y=mglearn.tools.make_handcraf...
2019-09-20 18:54:15
36967
15
原创 sklearn线性回归LinearRegression代码及调参
代码：from sklearn import datasetsfrom sklearn.linear_model import LinearRegressionimport matplotlib.pyplot as plt# 使用以后的数据集进行线性回归（这里是波士顿房价数据）##1 数据的加载from sklearn.model_selection import train_t...
2019-09-19 21:16:00
11140
5
转载 【转】机器学习算法的随机数据生成
下文出自尊敬的刘建平老师博客，附上网址：https://www.cnblogs.com/pinard/p/6047802.html在学习机器学习算法的过程中，我们经常需要数据来验证算法，调试参数。但是找到一组十分合适某种特定算法类型的数据样本却不那么容易。还好numpy, scikit-learn都提供了随机数据生成的功能，我们可以自己生成适合某一种模型的数据，用随机数据来做清洗，归一化，转换...
2019-09-19 21:06:52
283
原创 scikit-learn实现决策树分类与回归以及调参说明
分类：from sklearn.datasets import load_irisiris=load_iris()# print(iris)# print(len(iris["data"]))#150个数据from sklearn.model_selection import train_test_split#把数据分为测试数据和验证数据 test_size=0.2验证数据集占20...
2019-09-19 20:28:41
1837
原创 统计学习方法第十章隐马尔可夫模型
最近感觉学习深度学习不能一直只注重代码，而不注重对于算法的理解，决定补一补深度学习相关的算法内容。隐马尔可夫模型是可用于标注问题的统计学习模型，描述的是由隐藏的马尔可夫链随机生成观测序列的过程。一、隐马尔可夫模型的基本概念它是一个关于时序的概率模型，过程是：隐藏的马尔可夫链随机生成不可观测的状态随机序列，称为状态序列->每个状态生成一个观测，组成观测序列。注意！序列的每一个位...
2019-09-18 14:08:37
2102
原创 Win10安装AndroidStudio超级详细教程
刚开始接触安卓应用开发，再写这篇文章之前也参考了很多其他人的博客，总结出了一个最顺畅的安装套路，在这里记录一下~一、下载安装包http://www.android-studio.org/如果电脑的位数是64就选择那两个红框其中一个，它们的区别是zip里面包含sdk，另一个不包含，仅仅是一个安装包，我觉得还是这个好，在安装的过程中安装sdk就行。所以我选择的就是这个971mb大小的安...
2019-09-07 12:26:31
15604
1
转载 Pandas之Series
这个东西相当烦人，之前一直没重视，后来他在我神经网络的学习中给我制造了很大的麻烦，所以这里特别记一下，引用的别人的博客，毕竟这也不是什么难的重点，只是一些基础知识的总结。前面用了5篇文章简单介绍了Python非常重要的库：Numpy，Numpy用来进行数值计算，是数据分析、机器学习的基础库。从本文开始为大家介绍Python另外一个非常重要的库：Pandas，Pandas是数据分析的常用工具，也...
2019-09-06 10:09:23
498
原创 Fiddler抓取安卓设备的包
一：Fiddler配置点击Tools>Fiddler Options>Connections勾选Allow remote computers to connect重启Fiddler确保防火墙允许Fiddler进程可以远程连接安卓设备连接wifi（和fiddler本机处在同一个wifi下）确保安卓设备可以访问http://FiddlerMachineIP:88...
2019-09-05 23:48:29
908
1
原创 Fiddler抓取ios设备的包
总结来看，只需要以下三个步骤，一：Fiddler配置点击Tools>Fiddler Options>Connections勾选Allow remote computers to connect重启Fiddler确保防火墙允许Fiddler进程可以远程连接ios设备连接wifi（和fiddler本机处在同一个wifi下）确保ios设备可以访问http://...
2019-09-05 23:41:32
3851
转载 【转】fiddler增加一列
在这部分代码后面static function Main() {var today: Date = new Date();FiddlerObject.StatusText = " CustomRules.js was loaded at: " + today;添加以下代码//sea 20181228// 显示服务器web环境FiddlerObject.UI.lvSessions...
2019-09-04 09:05:42
718
计算机网络实验课码分多址CDMA.代码zip
2019-11-01
zhilian1.zip
2019-08-17
C#winform窗体+socket实现登录通信聊天软件(可私聊与群聊)
2019-03-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人