数学知识
文章平均质量分 54
dreamandgo
凭兴趣入行,以能力立足。
展开
-
PCA主成分分析的知识点
目录1. 概念2. 基本思想/分析步骤3. 功用4. 应用场景5. 案例代码6. 涉及的数学知识点6.1 正交变换6.2 协方差/相关系数感谢:1. 主成分分析 python, sklearn2. Python主成分分析-经典案例分析1. 概念利用正交变换把由线性相关变量表示的观测数据转换为少数几个由线性无关变量表示的数据,线性无关的变量称为主成分。2. 基本思想/分析步骤(1)对给定数据进行规范化:使得数据每一变量的平均值为0,方差为1;(2)对数据进行正交变换:原来由线性相关变量表示的数原创 2021-01-25 18:14:20 · 397 阅读 · 0 评论 -
Numpy库 numpy.corrcoef()函数
相关系数公式:其他详见:Python Numpy库 numpy.corrcoef()函数讲解原创 2021-01-20 14:09:53 · 1642 阅读 · 0 评论 -
逻辑回归好文及案例集锦
用Logistic Regression 和 SVM 进行心脏病分类使用逻辑回归帮助诊断心脏病原创 2020-10-10 16:56:21 · 242 阅读 · 0 评论 -
最小二乘法介绍及推导
最小二乘法-公式推导关于最小二乘法公式原创 2020-10-10 16:03:03 · 345 阅读 · 0 评论 -
协方差、方差、标准差、协方差系数
点击此处,参考公式(感谢本文作者!)注:该文章中的公式,专指样本型,即样本协方差,样本方差,样本标准差;转为总体…,只需将n-1变为n。#[[a方差,ab协方差], [ba协方差, b方差]] #默认为样本方差,样本协方差,ddof =1numpy.cov(a,b,ddof=0 or 1) #相关矩阵(求协方差系数)numpy.corrcoef(a,b,ddof=0 or 1)...原创 2019-11-06 16:01:07 · 737 阅读 · 0 评论