略略略的博客

在机器学习中遇到的一点有关python的小问题a = np.array([[1,2,3],[4,5,6],[7,8,9]])b = np.array([1,2,3])print a*b print a+bprint b*aprint b+ac=np.dot(a, b)print cprint np.shape(c)d = np.dot(b, a)print dprint

1.基本概念 欠拟合：由于样本数据过少过着其他因素，拟合模型在数据预报时会造成偏差。如图中的左和中为求出的回归方程，然而在x的取值和真实差别很大，这个情况叫做欠拟合。 过拟合：简单理解就是训练样本的得到的输出和期望输出基本一致，但是测试样本输出和测试样本的期望输出相差却很大 。 一般情况下： 对于特征集过小的情况，称之为欠拟合（underfitting） 对于特征集过大的情况，

# #3、数组装置和轴对换arr = np.arange(15).reshape((3,5))print arrprint "数组转置的两种方法："print arr.transpose()print arr.T #在矩阵计算时，经常需要用到该操作，如利用np.dot()计算x^Txprint "x^Tx内积"print np.dot(arr.T,arr)#--4、通用函数

#5将条件逻辑表述为数组运算--------------xarr = np.arange(1.1,1.6,0.1)yarr = np.arange(2.1,2.6,0.1)cond = np.array([True, False, True,True,False])print xarrprint yarrprint cond#假设我们要根据cond的值选取xarr和yarr的值：当c

#6数学和统计方法------------------------------arr = np.random.randn(5,4)print arrprint np.mean(arr)#求平均值 mean和sum这类可以接受axis参数（0,1）#用于统计该轴上的统计值，最终结果是一个一维数组print np.mean(arr,axis = 0)#一列的均值print np.mean(

#7用于布尔型数组的方法-----------------------arr = np.random.randn(10)print arrprint (arr>0).sum()#正值的数量#any,和all方法对布尔型数组非常有用 any测试bool数组里面是否有true#all测试是否都是true#所有非零元素都可以当做truebools = np.array([True,Fals

1. 介绍：回归(regression) Y变量为连续数值型(continuous numerical variable)                    如：房价，人数，降雨量             分类(Classification): Y变量为类别型(categorical variable)                    如：颜色类别，电脑品牌，有无信誉

二者的功能都是对数据进行某种统一处理（比如标准化~N(0,1)，将数据缩放(映射)到某个固定区间，归一化，正则化等）fit_transform(partData)对部分数据先拟合fit，找到该part的整体指标，如均值、方差、最大值最小值等等（根据具体转换的目的），然后对该partData进行转换transform，从而实现数据的标准化、归一化等等。。根据对之前部分fit的整体指标，对剩余的数据（