- 博客(6)
- 收藏
- 关注
RSS订阅原创 Machine Learning 算法总结（一）分类算法——KNN，Linear分类，决策树DecisionTree，支持向量机SVM，朴素贝叶斯
一、Bayes ClassificationBayes的预测条件概率分布的方法在之前一篇文章中已经总结过，其实就是通过抽取样本信息、先验信息和总体信息去得到变量的后验分布。举个例子：e.g. In a high school，a student’s height is 1.65m. Is the student male or female?在这个问题里，我们需要知道P(male|x=1.65),x=1.65就是样本信息，我们需要假设P(male)，即男生和女生的身高分布作为先验信息，从而就可以求
2022-03-28 16:36:47
1869
原创 Optimization Theorem and Problems
Preview做这篇总结的原因是因为博主去年在学校的时候选了这门课，老师教得很多方法和原理以及将问题应用到的python的package都非常全面，之前的笔记比较碎片化，现在在解决一些实际的优化问题的时候除了单纯形法和拉格朗日求导方法其他几乎都忘记了，因此将一些觉得实用和启发性的东西写在这里，以便于记忆与温故知新。1. General knowledge on OptimizationConcepts of a Mathematical Program最优化建模的目标是将人类语言的描述翻译为数学公式
2022-03-27 16:55:53
331
原创 机器学习自学总结——day1
1 数据的特征抽取1.1 特征抽取目的其实就是为了让计算机去更好的理解数据，将各种各样的特种格式转化成标准的数字格式，即特征值化。1.2 特征抽取实例###字典特征抽取每一个字典为一个样本，用list将所有的样本储存起来流程：1. 实例化DictVectorizer 2.调用fit_transform输入数据并转化（sparse = True: 用sparse矩阵返回，节约内存sparse = False: 返回np.array）其实就是将所有的非数值特征转化成dummy variable。
2022-03-27 16:18:10
1402
原创 贝叶斯统计在投资决策中的应用
贝叶斯统计在投资决策中的应用文章目录贝叶斯统计在投资决策中的应用一、Bayesian Approach与样本估计的区别二、贝叶斯方法的三种信息三、贝叶斯公式的密度函数形式四、贝叶斯公式在预测投资组合参数时的应用一、Bayesian Approach与样本估计的区别贝叶斯分析框架（Bayesian Approach）可用于在投资决策中考虑估计风险。在贝叶斯方法下，收益率的均值和方差等参数不再是某个固定的数值，而是随机变量。投资者首先设定这些参数的先验分布， 然后运用贝叶斯法则结合历史样本数据得到参
2022-03-20 22:46:00
2217
原创 python连接redis的获取的key是bytes字符串
u/U:表示unicode字符串不是仅仅是针对中文, 可以针对任何的字符串，代表是对字符串进行unicode编码。一般英文字符在使用各种编码下, 基本都可以正常解析, 所以一般不带u；但是中文, 必须表明所需编码, 否则一旦编码转换就会出现乱码。建议所有编码方式采用utf8r/R:非转义的原始字符串与普通字符相比，其他相对特殊的字符，其中可能包含转义字符，即那些，反斜杠加上对应字母，表示对应的特殊含义的，比如最常见的”\n”表示换行，”\t”表示Tab等。而如果是以r开头，那么说明后面的字符，都是
2020-12-15 11:02:50
412
原创 PYQT5导出MySQL的文件并保存至Excel
PYQT5导出MySQL的文件并保存至Excelui界面展示数据的代码放在另一篇文章我的config文件里的相关内容是MySQL数据库的配置如下class Ui_MainWindow(object): def config(self): config_path = 'your_config_path' cf = ConfigParser() try: cf.read(config_path+'\\config.ini',encoding="utf-8-sig") except
2020-11-17 11:17:14
1659
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人