算法
è¤è²çåºå
这个作者很懒,什么都没留下…
展开
-
mlp_classification
import keras from keras import Sequential from keras.layers import Dense, Dropout from keras import backend import numpy as np from matplotlib import pyplot as plt from keras.utils import to_categoric...原创 2019-07-08 10:36:15 · 211 阅读 · 0 评论 -
贝叶斯算法及其应用(公开课内容)
解决问题: 1.正向概率:知道比例,估算概率 2.逆向概率:并不知道原先的比例,只知道结果,并反向推测出原先是什么样的比例。 3. 模型比较: 最大似然:最符合观测数据的最有优势P(D|h) 奥卡姆剃刀:越常见的东西在模型中越常见,越高阶的多项式越不常见。 垃圾邮件过滤实例: **D表示邮件,由N个单词组成,用h+来表示垃圾邮件,h-表示正常邮件 P(h+|D) = p(D|h+)P(h+)/p(...原创 2019-03-24 23:54:24 · 399 阅读 · 0 评论 -
算法的复杂度
程序的计算步: 算法中执行语句次数称为语句频度或者时间频度,记为T(n)= O(f(n)) 渐进表达式: 表达式中略去低阶项所留下来的主项,目的只为了比较算法效率的高低 渐进上界符号:f(n)=O(g(n))表明f(n)<=g(n) 渐进下界符号:f(n)=Ω(g(n))表明f(n)>=g(n) 紧渐近界符号:f(n)=Θ(g(n))表明f(n)=g(n) 渐进符号都是一个集合...原创 2019-04-02 09:38:41 · 222 阅读 · 0 评论 -
线性回归
import matplotlib.pyplot as plt from sklearn import linear_model data_X = [] data_Y = [] f = open('price.txt','r') lines = f.readlines() for line in lines: items = line.strip().split(',')#删除每行首尾的符...原创 2019-04-08 22:32:52 · 72 阅读 · 0 评论 -
多项式回归及岭回归实例
from sklearn.preprocessing import PolynomialFeatures#多项式特征 data_X = [] data_Y = [] f = open('price.txt','r') lines = f.readlines() for line in lines: items = line.strip().split(',')#删除每行首尾的符号,再分割成列表...原创 2019-04-08 23:01:36 · 739 阅读 · 0 评论 -
用keras实现cnn分类
搞了挺久,包括正确率的提高,还有各种错误之后好了 import tensorflow import keras from keras.layers import Dense, Dropout, Activation, Flatten from keras.layers.normalization import BatchNormalization from keras.models import ...原创 2019-04-11 14:34:26 · 1042 阅读 · 0 评论 -
pca降维
from sklearn import decomposition import matplotlib.pyplot as plt import numpy as np # import seaborn #可视化 from mpl_toolkits.mplot3d import Axes3D %matplotlib notebook data = np.loadtxt('batch10_ran...原创 2019-05-03 11:01:55 · 154 阅读 · 0 评论 -
lda降维以及后续标签图示处理
from sklearn import decomposition from sklearn.preprocessing import StandardScaler from sklearn.discriminant_analysis import LinearDiscriminantAnalysis import matplotlib.pyplot as plt import numpy as...原创 2019-05-15 19:07:12 · 445 阅读 · 0 评论 -
bp_softmax
import numpy as np import pandas as pd import tensorflow as tf import math from keras.utils import to_categorical import matplotlib.pyplot as plt data = np.loadtxt('lda降维样本.txt') data_x = data[:,0:...原创 2019-05-15 21:49:17 · 148 阅读 · 0 评论 -
z_score,min_max——classification
import keras from keras import Sequential from keras.layers import Dense, Dropout from keras import backend import numpy as np from matplotlib import pyplot as plt from keras.utils import to_categoric...原创 2019-05-22 09:34:45 · 188 阅读 · 0 评论 -
lda
from sklearn import decomposition from sklearn.preprocessing import StandardScaler from sklearn.discriminant_analysis import LinearDiscriminantAnalysis from sklearn.manifold import LocallyLinearEmbed...原创 2019-07-08 10:35:21 · 98 阅读 · 0 评论 -
一些典型问题的算法复杂度
TSP问题,若通过穷举,需要O(n!) 归并排序的时间复杂度是O(nlogn)<O(n^2): 分而治之(只要使用该思想,算法复杂度都是logn级别,底数取决于使用了几分法)的思想 冒泡排序的时间复杂度是O(n^2) 每次比较相邻的两个元素,如果顺序错误就将其交换过来 n个数据,需要从头扫描n次,才能比较结束 Floyd算法的时间复杂度是O(n^3) (弗洛伊德算法):多源最短路径:可以用...原创 2019-09-02 19:26:13 · 1092 阅读 · 0 评论