手写实现
文章平均质量分 79
我爱py数据分析
这个作者很懒,什么都没留下…
展开
-
决策树之ID3
原理: 代码: # -*- coding: utf-8 -*- """ Created on Mon Jun 29 11:17:24 2020 @author: Lenovo """ import numpy as np import pandas as pd from math import log # 定义熵的计算函数 def entropy(ele): probs = [ele.count(i) / len(ele) for i in set(ele)] entropy = -转载 2020-06-29 12:27:33 · 198 阅读 · 0 评论 -
手写K近邻(KNN)
KNN 与 KMeans 的区别 我们首先要明确,KNN 与 KMeans 是完全不同的算法,也许有初学者(像我这样的)会感觉两者很像,甚至不知道有什么区别。但是,这两者是有本质区别的! 1、 KMeans 是一种无监督算法,而 KNN 是一种有监督的算法。 2、 KMeans 是先用所有样本训练出一个模型,然后给出预测样本点,根据模型给出预测。而 KNN 则并不预先用已知样本训练模型,而是在用户给出一个所要预测的样本点时,从所有训练样本中搜索出 K 个与预测样本“最近邻”的样本点,并根据给定的预测规则(如转载 2020-06-28 22:52:52 · 1573 阅读 · 0 评论 -
逻辑回归理论简介与手写实现
逻辑回归理论简介与手写实现。 理论推导: 代码部分: # -*- coding: utf-8 -*- """ Created on Sun Jun 28 11:42:11 2020 @author: Lenovo """ import numpy as np def sigmoid(x): z = 1 / (1 + np.exp(-x)) return z def initialize_params(dims): W = np.zeros((dims, 1))转载 2020-06-28 12:16:20 · 247 阅读 · 0 评论 -
手写线性回归模型
关于手写线性回归模型的一些知识。理论推导部分相信大家都比较熟悉了,主要关注numpy实现部分。 下面是代码: # -*- coding: utf-8 -*- """ Created on Sat Jun 27 11:54:18 2020 @author: Lenovo """ import numpy as np def linear_loss(X, y, w, b): num_train = X.shape[0] # 模型公式 y_hat = np.dot(X, w)转载 2020-06-27 13:53:44 · 503 阅读 · 0 评论