sinat_18558057的博客

计算字符串类型值相似度

1.算出每个属性的residuals 1.1针对单个属性的算出threshold 2.使用redidual最小的属性做根节点 3.限制每个叶子节点中样本的数量来减少过拟合

import csv from sklearn.feature_extraction import DictVectorizer from sklearn import preprocessing from sklearn import tree film_data = open('film.csv', 'rt') reader = csv.reader(film_data) # 表头信息 he...

对数损失/二元交叉熵损失 Cost(hθ(x),y)={−log(hθ(x))if y=1−log(1−hθ(x))if y=0Cost(h_{θ}(x),y)= \begin{cases} -log(h_{θ}(x))& \text{if y=1}\\ -log(1-h_{θ}(x))& \text{if y=0} \end{cases}Cost(hθ​(x)...

下面的代码功能是产生一个8x8的矩阵，数据服从正太分布，均值为0，标准差为1，并且(产生的数据-均值)<=2*标准差 import tensorflow as tf; import numpy as np; import matplotlib.pyplot as plt; c = tf.truncated_normal(shape=[8,8], mean=0, stddev=1) w...

#placeholder是一个容器，需要以字典的形式赋值； import tensorflow as tf #placeholder是一个容器，需要赋值（以字典的形式） input1 = tf.placeholder(tf.float32) input2 = tf.placeholder(tf.float32) output = tf.multiply(input1,input2) with...

这两个版本不存在版权问题 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python == 3.4.2.16 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python==3.4.2.16 运行结果： ...

import numpy as np import matplotlib.pyplot as plt def jfunction(theta0, theta1, x, y, m): h = theta0 + theta1 * x j, j1 = 0, 0 for i in range(m): j1 += (h[i] - y[i]) ** 2 j =...

今天看了线性回归的视频，在看到对误差求似然估计函数的时候感觉很不解： 为啥对误差的似然函数越大越好？ Picture1:真实值y Picture2:误差ε服从高斯分布： 误差ε是独立并且具有相同的分布，并且服从均值为0方差为σ²的高斯分布 如图：Picture3: 当ε取0附近的时候p(ε)值最大。可知ε->0,ε的取值处于0的附近；那么也就是说p(ε)的值要越大越好。从而似然函数越大...

正规方程解出向量

最小二乘法可以：拟合最优超平面，使得误差和最小。 I.微积分求解最优超平面 情景,假设横坐标代表股票市盈率(PE)，纵坐标代表股价(SP),已知三点(1,1)(2,3)(3,2),需要通过PE预测SP,求最优预测直线，这是个线性回归问题，下面通过最小均方误差和通过微积分求出该直线。 1.设直线为:y=ax+b 2.最小均方误差和为：(a+b-1)²+ (2a+b-2)²+(3a+b-2)²= 14...