weixin_43294411的博客

原创 《深度学习2021》——第一节 机器学习基本概念

机器学习的目标RegressionClassificationStuctured LearningMachine Learning <=> Look for functionFunction with unknown parameter (Model)Define loss from train datainput: w,boutput: how good a set of value isOptimization w*, b* = argmin L

原创 1. OLS(普通最小二乘——线性模型推导)

原创 常用距离计算

欧氏距离欧氏距离即传统几何距离，考虑两点之间的坐标平方和但欧氏距离面临两个重要问题1、特征单位和尺度不统一的问题2、特征之间可能存在相关关系，即不正交，导致计算的平方和没有意义标准化欧氏距离它通过缩放解决了欧氏距离的第一个问题，即单位和尺度不统一的问题马氏距离它通过缩放和变换解决了欧氏距离的两个问题。变换操作使得特征正交，缩放解决了单位不一致的问题。...

转载 pipeline与make_pipeline

pipeline与make_pipeline唯一的区别就是pipeline需要为转换器和评估器起名字，而make_pipeline自动为转换器和评估器生成名字可以看一下面的例子from sklearn.pipeline import Pipelinefrom sklearn.preprocessing import StandardScalerfrom sklearn.svm import SVCclf1 = Pipeline( [("scale", StadardScaler()),.

原创 numpy数组应用小技巧

切片技巧切矩阵与切向量若X为5*2的矩阵，则X [:2] 获得的是前两行的矩阵，X[:2, 0]获得的是前两行第一列的向量

原创 核函数的理解

在低维空间计算高维空间的点积核函数只是一种处理问题的技巧，低维空间线性不可分可以在高维空间线性可分，但是高维空间的计算复杂度又很大，那么我们就把高维空间的计算通过低维空间的计算外加一些线性变换来完成。现在该如何计算映射后的内积呢？传统方法是先计算映射后的向量ϕ(xi)和ϕ(xj)，然后再计算它俩的内积。但是这样做计算很复杂，因为映射到高维空间后的数据维度很高。比如，假设xi和xj在映射之后都是一个( 1×10000)维的向量，那么他们的内积计算就需要做10000次加法操作和10000次乘..

原创 线性判别分析与主成分分析

成分分析是一种无监督降维，它识别数据差异最大的属性组合线性判别分析是一种有监督降维，它识别在类别上差异最大的属性组合import matplotlib.pyplot as pltfrom sklearn import datasetfrom sklearn.decomposition import PCAfrom sklearn.discriminant_analysis import LinearDiscriminantAnalysis# 加载数据集iris = dataset.lo.

原创 找出误分类点的方法

在二分类时，如何找出0类被误分为1类的点？tp = y == y_predtp0, tp1 = tp[y == 0], tp[y == 1]X0, X1 = X[y == 0], X[y == 1]X0_tp, X0_fp = X0[tp0], X0[~tp0]X1_tp, X1_fp = X1[tp1], X1[~tp1]

原创 Numpy中hstack与r_

np.hstack对向量纵向拼接import numpy as npy1 = np.zeros(5)y2 = np.ones(5)np.hstack((y1, y2))return [0,0,0,0,0,1,1,1,1,1]np.hstack对矩阵横向拼接import numpy as npX1 = np.arange(10).reshape(5, 2)X2 = np.arange(10, 20).reshape(5, 2)np.hstack((X1, X2))retur.

原创 双重边际效用（Double Marginalization）

双重边际效用（Double Marginalization）Double Marginalization is the phenomenon in which different firms in the same industry that have their respective market power but at different vertical levels in the supply chain(example,upstream and downstream) apply their

原创 python_4 网络爬虫

基础图片爬取（https://placekitten.com/g/500/600 是一个获取猫图片的网站）爬取代码如下：import urllib.requestrespond=urllib.request.urlopen('https://placekitten.com/g/500/600')str_b=respond.read()f=open('E:\\image_cat.jpg...

原创 python_3 模块

模块模块时一组代码的集合，例如sys、os 等都是模块，调用时使用： import xxx as xx1、 _name_ 的使用：模块被调用时，其内部检查方法会自动调用，可使用 _name_ == ‘_main_’方式防止其调用（原理：直接在该模块中调用检查方法时，_name_ ==’_main_’ ，但在其他模块中调用该模块时，__name__等于该模块的名字）# 模块CSde...

原创 python_2_小记

python随堂小记1_ 私有属性的使用：属性名前加双下划线（例： __m ）>>> class A: __m=10 >>> a=A()>>> a.mTraceback (most recent call last): File "<pyshell#11>", line 1, in <module...

原创 Python_1 魔法方法

Python魔法方法1、 __init__方法：类似java中的构造方法，无返回值（return none）2、 __del__方法：垃圾回收机制，当没有任何实例指向时，自动调用如下所示：>>> class C: def __init__(self): print('__init__被调用') def __del...