![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 92
青年君
无
展开
-
机器学习基础
一、数据分析步骤 1. 数据清洗 剔除强势样本,数据类型处理。 2. 数据分析 (1)查看数据统计指标,了解数据大概情况。 (2)划分离散与连续特征值。离散的通过通过分组看与目标值的关系,可以crosstab进行离散数据统计查看。连续的通过统计直方图、散点图看与目标的关系。还可以通过cut将连续数据离散化来观察。 (3)选择模型:连续用回归模型,离散用分类模型。 (4)特征值如果多数为离散的就用决策树模型----集合算法。 3. 梯度下降 沿着梯度向量相反的方向,梯度减少最快,也就是更加容易找到函数的最小值原创 2022-05-10 21:49:38 · 868 阅读 · 0 评论 -
AI基础整理
AI基本概念 一、算法复杂度 1. 归并排序 A=[3,4,1,6,7,2,5,9] # 将A划分成两个数组B、C B,C=[3,4,1,6],[7,2,5,9] # 总体时间复杂度=两个递归运算时间复杂度相加(递归时间复杂度):T(n)=T(n/2)+T(n/2) B,C=[1,3,4,6],[2,5,7,9] # 再对B、C进行排序。 res=[1,2,3,4,5,6,7,9] # 再将B、C分别取出逐一对比大小,按照由小到大排序。每确定一个元素对比一次,n个元素需要对比n次。所以总的时间复杂度:T(原创 2022-04-12 23:54:05 · 297 阅读 · 0 评论