![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法
呵呵的校园
这个作者很懒,什么都没留下…
展开
-
算法-HMM
原创 2022-01-07 23:20:11 · 89 阅读 · 0 评论 -
算法-LDA
原创 2022-01-01 22:43:44 · 135 阅读 · 0 评论 -
算法-贝叶斯网络
原创 2021-12-27 00:21:39 · 275 阅读 · 0 评论 -
算法-EM算法
EM算法可以用来分类混合高斯分布的数据。先给出三个变量π,μ和,经过多次迭代,更新这三个参数,直到收敛为止。原创 2021-12-18 18:18:36 · 171 阅读 · 0 评论 -
算法-SVM
对于一条直线:y = 1/2 * x + 1 来说。换个形式:-x + 2y -1 = 0f(x, y) = -x + 2y -1把系数提出来,w = (-1 2)竖着的, 这个(-1 2)就是直线f(x, y)的法向量f(x->) = w -> T .x -> + b,对于二维来说,x = (x1, x2),n维的话 x = (x1, x2 ,,,,xn)如果给定一个x->, 如果f(x->) > 0, 说明x -&g...原创 2021-11-24 23:50:14 · 501 阅读 · 0 评论 -
算法-提升
:实际值:t-1次分类器的预测值:t次的分类器:损失函数:正则项:常数由1到2,是因为做了转换,看成所有落在叶子1的节点,也就是w1(g1+g3+g4+……+gi)这种,加和有1-n换成了i-T(所有叶子节点)adaboost用来第一次,每个w都相同,都是1/N,m是指不同的分类器,共M类,:如果预测值和实际值不相同,就是True,这个m次分类器的错的w就会被拿出来,如果预测值和实际值相同,...原创 2021-11-21 17:30:52 · 432 阅读 · 0 评论 -
算法-KMEANS
原创 2021-11-01 21:04:11 · 92 阅读 · 0 评论 -
算法-逻辑回归
from sklearn.datasets import load_bostonfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerfrom sklearn.linear_model import LinearRegression, SGDRegressor, Ridge, LogisticRegressionfrom s...原创 2021-11-01 21:01:49 · 66 阅读 · 0 评论 -
算法-线性回归,岭回归
from sklearn.datasets import load_bostonfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerfrom sklearn.linear_model import LinearRegression, SGDRegressor, Ridgefr...原创 2021-10-31 23:42:43 · 391 阅读 · 0 评论 -
算法-决策树,随机森林
def decision(): """ 决策树对泰坦尼克号进行预测生死 :return: None """ # 获取数据 titan = pd.read_csv("http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt") # 处理数据,找出特征值和目标值 x = titan[['pclass'...原创 2021-10-30 23:00:00 · 110 阅读 · 0 评论 -
算法-KNN, 朴素贝叶斯
朴素贝叶斯算法import pandas as pdfrom sklearn.preprocessing import StandardScalerfrom sklearn.model_selection import train_test_split, GridSearchCVfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.datasets im...原创 2021-10-30 16:58:12 · 158 阅读 · 0 评论 -
算法-sklearn特征工程
from sklearn.feature_extraction.text import CountVectorizer, TfidfVectorizerfrom sklearn.feature_extraction import DictVectorizerimport jiebafrom sklearn.preprocessing import MinMaxScaler, StandardScalerfrom sklearn.impute import SimpleImputerimp...原创 2021-10-27 22:09:47 · 116 阅读 · 0 评论 -
算法-sklearn特征工程
from sklearn.feature_extraction.text import CountVectorizer, TfidfVectorizerfrom sklearn.feature_extraction import DictVectorizerimport jiebafrom sklearn.preprocessing import MinMaxScaler, StandardScalerfrom sklearn.impute import Sim...原创 2021-10-26 19:54:55 · 75 阅读 · 0 评论 -
算法-pandas-时间序列
#911数据中不同月份不同类型的电话的次数的变化情况import pandas as pdimport numpy as npfrom matplotlib import pyplot as pltfile_path = './911.csv'data = pd.read_csv(file_path)# print(data.head(3))# print(data.info())#将电话类别筛出来temp_list = data['title'].str.split(': ...原创 2021-10-14 20:49:25 · 208 阅读 · 0 评论 -
算法-pandas-数据合并与聚合分组
1、字符串离散化将字符串形式的分类情况转化为类别。import pandas as pdimport numpy as npfrom matplotlib import pyplot as pltfile_path = './IMDB-Movie-Data.csv'data = pd.read_csv(file_path)# print(data.head)# print(data.info())# print(data['Genre'].tolist())genreL原创 2021-10-11 22:33:09 · 161 阅读 · 0 评论 -
算法-pandas
1、import pandas as pdimport numpy as np#直接创建t1 = pd.Series([1, 2, 31, 12, 2, 2])print(t1)# 0 1# 1 2# 2 31# 3 12# 4 2# 5 2#index也可以赋予t2 = pd.Series([1, 2, 31, 12, 2, 2], index=list("abcdef"))print(t2)# a 1# .原创 2021-09-28 23:33:18 · 157 阅读 · 0 评论 -
算法-numpy
1.nimpy数组的创建,类型,类型准换import numpy as npimport random#创建np数组的三种方式t1 = np.array([1, 2, 3])print(t1)print(type(t1))t2 = np.array(range(10))print(t2)print(type(t2))t3 = np.arange(0, 10, 2)print(t3)print(type(t3))#numpy的数组类型是ndarrayprint(t3.dt原创 2021-09-27 21:54:06 · 215 阅读 · 0 评论 -
算法-matplotlib
举个例子:from matplotlib import pyplot as plt# x y赋值x = range(2,26,2)y = [15,13,14.5,17,20,25,26,26,27,22,18,15]# 构建图plt.plot(x, y)# 展示图plt.show()from matplotlib import pyplot as plt# x y赋值x = range(2,26,2)y = [15,13,14.5,17,20,25,26,26,27原创 2021-09-24 16:17:10 · 180 阅读 · 0 评论 -
算优化问题
原创 2021-09-22 21:43:31 · 59 阅读 · 0 评论 -
算法-概率论(数字特征与特征函数)
正态分布:指数分布:伽玛分布:贝塔分布原创 2021-09-16 21:49:12 · 243 阅读 · 0 评论 -
算法-概率论(随机变量)
原创 2021-09-15 17:28:52 · 99 阅读 · 0 评论 -
算法-概率论(随机变量与分布函数)
原创 2021-09-13 20:37:13 · 109 阅读 · 0 评论 -
算法-概率论(条件概率、贝叶斯公式、统计独立性)
原创 2021-09-09 22:50:57 · 191 阅读 · 0 评论 -
算法-概率论(基本概念、古典概型、几何概型)
原创 2021-09-08 23:52:20 · 287 阅读 · 0 评论 -
算法-矩阵(二次型、正定矩阵、LU、SVD分解)
原创 2021-09-07 23:25:18 · 422 阅读 · 0 评论 -
算法-矩阵(乘法、秩、可逆、相似、特征值、特征向量)
原创 2021-09-07 21:59:30 · 188 阅读 · 0 评论 -
算法-矩阵(基、维数)
原创 2021-08-31 21:43:04 · 223 阅读 · 0 评论 -
算法-矩阵(线性方程组)
原创 2021-08-31 21:11:12 · 118 阅读 · 0 评论 -
算法-矩阵(基本定义)
原创 2021-08-30 19:26:05 · 99 阅读 · 0 评论 -
算法-数学基础(多元微分)
原创 2021-08-29 16:24:01 · 173 阅读 · 0 评论 -
算法-数学基础(积分)
原创 2021-08-26 21:55:02 · 78 阅读 · 0 评论 -
算法-树
class Node(object): def __init__(self, item): self.elem = item self.lchild = None self.rchild = Noneclass Tree(object): def __init__(self): self.root = None def add(self, item):...原创 2021-08-22 16:19:57 · 70 阅读 · 0 评论 -
算法-排序很热查找
1.冒泡排序#冒泡排序def bubble_sort(alist): for i in range(0, len(alist) - 1): #从头到尾跑几次 count = 0 #用来标记这一趟比较是否有移动过元素,没有移动过说明已经是有序的了 #保证最优时间复杂的是O(n) for j in range(0, len(alist) - 1 - i): #每次比较完...原创 2021-08-22 00:48:31 · 94 阅读 · 0 评论 -
算法-栈
# Stack() 创建一个新的空栈# push(item) 添加一个新的元素item到栈顶# pop() 弹出栈顶元素# peek() 返回栈顶元素# is_empty() 判断栈是否为空# size() 返回栈的元素个数class Stack(object): def __init__(self): self.__list = [] def push(self, item): # push(item) 添加一个新的元素item...原创 2021-08-17 11:05:19 · 48 阅读 · 0 评论 -
算法-链表
#节点class Node(object): def __init__(self, elem): self.elem = elem self.next = None#单向链表class SingleLinkList(object): #初始化的时候要传节点,不然就默认空,头指向空 def __init__(self, node = None): self.__head = node #链表是否为...原创 2021-08-15 22:57:20 · 57 阅读 · 0 评论 -
算法-顺序表
顺序表在程序中,经常需要将一组(通常是同为某个类型的)数据元素作为整体管理和使用,需要创建这种元素组,用变量记录它们,传进传出函数等。一组数据中包含的元素个数可能发生变化(可以增加或删除元素)。对于这种需求,最简单的解决方案便是将这样一组元素看成一个序列,用元素在序列里的位置和顺序,表示实际应用中的某种有意义的信息,或者表示数据之间的某种关系。这样的一组序列元素的组织形式,我们可以将其抽象为线性表。一个线性表是某类元素的一个集合,还记录着元素之间的一种顺序关系。线性表是最基本的数据结构之一,在实原创 2021-08-13 20:35:59 · 77 阅读 · 0 评论