- 博客(6)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Python_简单交互作用回归分析及散点图矩阵
1、数据准备import urllib.requestimport matplotlib.pyplot as pltplt.style.use('ggplot')import pandas as pd# 下载同时显示进度条def jdt(down, pic, all): """ @down : 已经下载的数据块 @pic : 数据块的大小 @all : ...
2018-09-30 18:12:00
4622
原创 Python_4组数据看线性回归的假设检验问题
一般情况下，当H0:β1=0H_0: \beta_1 = 0H0:β1=0 被接受的时候，表明 yyy 的取值倾向不随 xxx 的值按线性关系变化。这种情况的原因可能是变量 yyy 与 xxx 之间的相关关系不显著，也可能是 yyy 与 xxx 并非线性相关。当H0:β1=0H_0: \beta_1 = 0H0:β1=0 被拒绝的时候，如果没有其它信息，只能认为因变量 yyy 对 xx...
2018-09-29 11:44:30
1614
2
原创 狄克斯特拉算法
寻找起点到终点的最近路1、需要准备三个散列## 节点graph = {}graph['start'] = {}graph['start']['a'] = 6graph['start']['b'] = 2graph['a'] = {}graph['a']['fin'] = 1graph['b'] = {}graph['b']['a'] = 3graph['b']['fin...
2018-09-28 13:36:44
482
原创 机器学习_手写算法：Adaboost简单实现
Adaboost 是基于错误率迭代，增加错误分类的权重，加重优分类器的权重。统计学习方法Adaboost例题假设分类器有 x <v 或者 x>v产生，其阈值v使该分类器在训练集上分类误差最低。试用Adaboost算法学习一个强分类器1、首先观察数据（由于是二维的可以直接画图）import matplotlib.pyplot as pltplt.style.use('g...
2018-09-27 17:47:50
1188
原创 Python_一元线性回归及回归显著性
1、数据准备数据源自《应用回归分析》（第四版）## 火灾损失表### 距离消防站kmx = [3.4, 1.8, 4.6, 2.3, 3.1, 5.5, 0.7, 3.0, 2.6, 4.3, 2.1, 1.1, 6.1, 4.8, 3.8]### 火灾损失 千元y = [26.2, 17.8, 31.3, 23.1, 27.5, 36.0, 14.1, 22.3, 19.6, 3...
2018-09-22 16:07:11
28537
5
原创 Numpy.array本质(内存块 + 索引体系 + 数据类型描述符)及as_strided方法重构数组
内存块array切片之所以可以对原array数据进行修改，是因为两个array的内存地址在一个地方import numpy as npx = np.array(range(1,5))y = x[:-1]x[0] = 9# 查看array的内存地址x.__array_interface__['data'][0],y.__array_interface__['data'][0]# ...
2018-09-08 20:05:30
1547
mnist-riginal(手写识别常用数据)
2018-10-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人