![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
weixin_44222183
这个作者很懒,什么都没留下…
展开
-
sigmoid函数的数学公式推导
Sigmoid函数的详细公式推导转载 2022-12-08 11:13:46 · 356 阅读 · 0 评论 -
Bagging和Boosting的概念与区别
随机森林属于集成学习(ensemble learning)中的bagging算法,在集成算法中主要分为bagging算法与boosting算法,Bagging算法(套袋法)bagging的算法过程如下:从原始样本集中使用Bootstraping 方法随机抽取n个训练样本,共进行k轮抽取,得到k个训练集(k个训练集之间相互独立,元素可以有重复)。对于n个训练集,我们训练k个模型,(这个模型可根据具体的情况而定,可以是决策树,knn等)对于分类问题:由投票表决产生的分类结果;对于回归问题,由k个模型预转载 2022-03-31 13:53:58 · 125 阅读 · 0 评论 -
特征值分解以及python计算
奇异值的公式如下:直观上看就是把一个矩阵分成了三个矩阵。等号左边是原矩阵,等号右边是分解后的三个矩阵大多数人基本上看到这里就会懵逼了,what???能不能写成人能看懂的现在我就解释一下等号右边的公式是啥?首先已知原矩阵为AU就等于A的特征向量Σ就等于A的特征值的对角化V*就等于A的特征向量的逆python计算import numpy as npA=np.array([[4,2],[1,5]])print("*"*30)print("原始矩阵")print(A)vex=原创 2021-09-18 15:32:39 · 705 阅读 · 0 评论 -
类时间文本转换成datetime类型(python)
def time_conversion(sj, dayfirst=False, yearfirst=True, fuzzy_with_tokens=True, return_month=False): """ sj: 要转换的时间字符串; dayfirst: 将不明确的3整数日期(例如01/05/09)中的第一个值解释为日(True)或月(False)。如果 yearfirst设置为True,则可以区分YDM和YMD yearfirst: 否将模棱两可的3整数日期(例如01/原创 2021-02-26 13:19:08 · 418 阅读 · 0 评论 -
初中生都能看懂的(朴素)贝叶斯推导
基础部分原理部分原创 2020-09-04 11:19:29 · 126 阅读 · 0 评论 -
初中生都能看懂的感知机推导
原创 2020-09-03 10:23:28 · 84 阅读 · 0 评论 -
高中生都能理解的BP神经网络推导
本来计划是写小学生都能理解的,但是奈何水平有限,没办法把高数的东西简化成小学生能理解的,以后有精力把门槛再降低到初中生、甚至小学生。原创 2020-08-11 17:51:25 · 152 阅读 · 0 评论 -
小学生都能看懂的sigmoid 求导
原创 2020-08-11 13:39:20 · 97 阅读 · 0 评论 -
scipy求最优解(参数优化)
scipy数值优化其实使用scipy进行数值优化,就是黑盒优化, 我们不依赖于我们优化的函数的算术表达式。注意这个表达式通常可以用于高效的、非黑盒优化。scipy中的optimize子包中提供了常用的最优化算法函数实现。我们可以直接调用这些函数完成我们的优化问题。optimize中函数最典型的特点就是能够从函数名称上看出是使用了什么算法。下面optimize包中函数的概览:1.非线性最优化fmin – 简单Nelder-Mead算法fmin_powell – 改进型Powell法fmin_bf转载 2020-07-27 09:11:19 · 1656 阅读 · 0 评论 -
时间序列之holt-winters(三次指数平滑)
# import needed packages#-----------------------import mathimport numpy as npimport pandas as pdfrom sklearn import linear_modelfrom scipy.optimize import fmin_l_bfgs_b# bring in the passenger data from HW4 to test the function against R原创 2020-07-24 11:18:14 · 800 阅读 · 0 评论 -
Python --深入浅出Apriori关联分析算法(一)
在美国有这样一家奇怪的超市,它将啤酒与尿布这样两个奇怪的东西放在一起进行销售,并且最终让啤酒与尿布这两个看起来没有关联的东西的销量双双增加。这家超市的名字叫做沃尔玛。你会不会觉得有些不可思议?虽然事后证明这个案例确实有根据,美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布,而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。但这毕竟是事后分析,我们更应该关注的,是在这样的场景下,如何找出物品之间的关联规则。接下来就来介绍下如何使用Apriori算法,来找到物品之间的关联规则吧。一. Apriori关联分析概述转载 2020-06-30 13:28:31 · 228 阅读 · 0 评论 -
机器学习数据预处理之字符串转数字
在机器学习中有很多特征有可能是字符串类型的:如周志华老师的西瓜书中西瓜的色泽、纹理、根茎等等。计算机对字符串的特征是无能为力的,所以将字符串特征映射成数字就成了一个唯一的选择。目前有2种主流的方法,一种是:标签编码(Label Encoder),另一种是独热编码(One Hot Encoder)。推荐使用独热编码。标签编码:标签编码就是对字符串转换成1 , 2,3这种形式,但是存在一个问题,就是标签编码的结果存在大小的关系,所以这种编码显然是有一定的局限性。#python实现from skl原创 2020-06-03 10:12:53 · 8688 阅读 · 0 评论