诗小葵的博客

hist 和 bar 的区别为：意义不同、创建图形不同、参数不同、正则化不同。一、意义不同 1. hist 是画（频率分布）直方图，x 轴表示这一列数据的种类，y 轴表示该类别出现的次数（频数）；bar 是画柱状图。 2. hist 直方图展示的是数据的分布，bar 柱状图展示的数据本身的大小。二、创建的图形不同1. hist 是用来创建一个直方图的 matplotlib 函数；2. bar 是用来创建一个二维条形图的 ma...

数据标准化（归一化）处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位。为了消除指标之间的量纲影响，需要进行数据标准化处理，以增加数据之间的可比性。1. min-max标准化（Min-Max Normalization） 又叫离差标准化，是对原始数据的线性变换，使结果映射到 [0, 1] 之间，转换函数为：这种方法的缺陷就是：当有新数据加入时，可能会导致 max 和 min 的变化，需要重新进行标准化。import nu...

对这个问题的思考源于机器学习中的特征工程，加工了 24 维特征，对此想要分析特征和特征之间、特征和标签之间的相关性，但不同维度的特征物理意义不尽相同，就在思考：需要先对特征归一化、标准化吗？先放结论：不需要~1. 没有做任何操作的特征相关性分析2. 做了 z-score 标准化的特征相关性分析3. 做了 max-min 归一化的特征相关性分析不敢说十分相似，只能说一模一样！网上见到评论：......

监督学习使用的目标变量一般有两种：标称型数据 和 数值型数据。1. 标称型数据 即离散值。只在有限目标集中取值，如：”真“ 或 ”假“（主要用于分类）。2. 数值型数据 即连续值。可以从无限的数值集合中取值，如：0.1、45.5 等（主要用于回归）...

（参考：向量的相似性度量）一、问题求下面两个向量的相似性：a = (x11, x12, x13, ..., x1n)b = (x21, x22, x23, ..., x2n)二、方法1. 欧氏距离（Eculidean Distance）欧氏距离是最简单的距离计算公式，源于两点间距离。 向量表示方式为：2. 曼哈顿距离（Manhattan Distance） 曼哈顿距离也就是...

背景是这样的，现需要采集呼吸率数据进行准确率测试。一、使用过的测试方案：1. 使用节拍器的频率作为真值；（测试人员很难完全按照节拍器频率呼吸，所以真值并不真，方案弃）2. 使用力康的设备采到的呼吸率 BPM 作为真值；（力康设备采到的数据也不够真，方案弃）3. 使用电机工作 BPM 作为真值。（工作频率设置好之后，误差很小，且工作稳定，方案采用）二、心得 1.......

一、数据格式 数据文件有四列： 第一列：呼吸率的误差（测量值-真值）； 第二列：呼吸率的绝对误差（测量值与真值之差的绝对值）； 第三列：心率的误差（测量值-真值）； 第四列：心率的绝对误差（测量值与真值之差的绝对值）；二、误差分析方法 通过统计分析，除了给出 误差/绝对误差 的【均值】、【方差】、【分布直方图】之外，还给出了【测量值和真值的相关性系数】，并通过绘制【Bland-Altman.........