- 博客(18)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 数据结构与算法（Python版）——（4）系统性的介绍各种 查找（顺序、二分） 和 排序 算法（冒泡、选择、插入、希尔、归并、快速）
上一小节目录一、查找（搜索）1、顺序查找1.1 无序表查找的代码：算法分析1.2 有序表查找的代码算法分析2、二分查找2.1 二分查找非递归的代码2.2 递归算法实现二分查找的代码算法分析二、排序1、冒泡排序和选择排序1.1 冒泡排序bubble sort:（1）思路：（2）代码实现：（3）算法分析（4）性能改进1.2 选择排序（1）思路：（2）代码实现：2、插入排序（1）思路：（2）代码实现：3、谢尔排序Shell Sort（希尔排序）（1）思路：（2）代码实现：（3）算法分析：4、归并排序merge.
2021-03-24 22:14:06
279
1
原创 成功解决windows10连上了wifi但是没网的问题
目录1、问题2、原因3、解决方法：1、问题我的台式机本来用的是有线的，但是有线的有点问题，所以只能用无线了。我的问题是：我已经确保网没问题，而且windows显示也有网，如下面所示：但就是没网。2、原因这个原因是端口可能被有线的占用了。3、解决方法：1、右键无线网络图标，点击下图所示地方：2、打开更改适配器，如下图所示：3、把有线宽带先禁用掉，如下图所示：4、然后就可以上网了。...
2021-03-20 15:04:56
7308
原创 git 设置和取消代理
git config --global https.proxy http://127.0.0.1:1080git config --global https.proxy https://127.0.0.1:1080git config --global --unset http.proxygit config --global --unset https.proxynpm config delete proxy
2021-03-19 16:43:41
241
原创 python实现——Max左-Max右的最大绝对值问题
目录一、题目描述二、思路：三、python代码实现四、结果分析一、题目描述给你一个数组，将数组划分成两个部分，使得两部分的最大值之差的绝对值最大，求出最大差。例子：[1, 2, 3, 4, 5, 6]答案：∣6−1∣=5|6-1|=5∣6−1∣=5二、思路：这类题数据业务分析里的优化问题，我们一拿到题，想到的是尝试每一种可能，那时间复杂度为O(n2)O(n^2)O(n2)，显然题目没这么简单，下面我分析一下：1、先遍历一遍找到整个数组的最大值MAXMAXMAX；2、然后分两种情.
2021-03-19 15:49:18
382
原创 leetcode笔记总结——（3）字符串转换整数 (atoi)（python实现）
目录1、题目描述2、思路3、python代码实现4、运行结果：5、总结：（1）（2）Python 解包骚操作"*"（3）lstrip()1、题目描述2、思路我自己的思路就是使用多个if-else判断，虽然能解决，但是代码既难看又冗余，把自己的代码贴在下面，方便以后查看：class Solution: def myAtoi(self, s: str) -> int: if len(s) == 0: return 0 fl.
2021-03-18 22:17:52
279
原创 特征工程——主成分分析(PCA)的原理解析
目录一、使用最大方差理论解析PCA原理1、原理解析：2、总结：二、最小平方误差理论解析PCA原理1、原理解析2、总结在机器学习领域中，我们对原始数据进行特征提取，有时会得到比较高维的特征向量。在这些向量所处的高维空间中，包含很多的冗余和噪声。我们希望通过降维的方式来寻找数据内部的特性，从而提升特征表达能力，降低训练复杂度。主成分分析（Principal Components Analysis，PCA）作为降维中最经典的方法，至今已有100多年的历史，它属于一种线性、非监督、全局的降维算法，是面试中经常.
2021-03-17 09:15:22
2256
原创 特征工程——什么是 维数灾难，与过拟合又有什么联系？
目录维灾难1 什么是维灾难2 维数灾难与过拟合维灾难1 什么是维灾难随着维度的增加，分类器性能逐步上升，到达某点之后，其性能便逐渐下降有一系列的图片，每张图片的内容可能是猫也可能是狗；我们需要构造一个分类器能够对猫、狗自动的分类。首先，要寻找到一些能够描述猫和狗的特征，这样我们的分类算法就可以利用这些特征去识别物体。猫和狗的皮毛颜色可能是一个很好的特征，考虑到红绿蓝构成图像的三基色，因此用图片三基色各自的平均值称得上方便直观。这样就有了一个简单的Fisher分类器：if 0.5*red +.
2021-03-15 11:20:12
1193
转载 redis缓存清除
转载地址：https://www.cnblogs.com/matd/p/10434282.htmlredis缓存清除:1.redis根目录调出命令行（cmd）2.登录redis：redis-cli -h 127.0.0.1 -p 63793.查看所有key值：keys *4.删除指定索引的值：del key5.清空整个 Redis 服务器的数据：flushall 6.清空当前库中的所有key：flushdb ...
2021-03-13 17:49:24
189
原创 特征工程——特征预处理(归一化和标准化)，通过例子并利用sklearn实现归一化和标准化
目录特征工程——特征预处理1.1 什么是特征预处理1.1.1 特征预处理定义1.1.2 包含内容(数值型数据的无量纲化)1.1.3 特征预处理API1.2 归一化1.2.1 定义1.2.2 公式1.2.3 API1.2.4 数据计算1.2.5 归一化总结1.3 标准化1.3.1 定义1.3.2 公式1.3.3 API1.3.4 数据计算1.3.5 标准化总结总结：上面就是特征工程所要做的事，下面我们就只针对特征预处理来做一个介绍：特征工程——特征预处理1.1 什么是特征预处理1.1.1 特征预.
2021-03-12 16:44:08
2165
原创 机器学习算法——详细的介绍 聚类算法 的实现原理（以Kmean算法为中心的优化算法、以及sklearn如何实现）
目录一、聚类算法简介1、认识聚类算法1.1 聚类算法在现实中的应用1.2 聚类算法的概念1.3 聚类算法与分类算法最大的区别小结：二、聚类算法api初步使用1、api介绍2、案例2.1流程分析2.2 代码实现小结:三、聚类算法实现流程（算法原理）1、k-means聚类步骤2、案例3、小结：四、模型评估1、误差平方和(SSE \The sum of squares due to error)：2、“肘”方法 (Elbow method) — K值确定3、轮廓系数法（Silhouette Coefficie..
2021-03-12 09:09:50
2115
原创 特征工程——为什么要特征降维？特征降维有哪些方法？如何使用sklearn实现？
特征降维1、降维1.1 定义降维是指在某些限定条件下，降低随机变量(特征)个数，得到一组“不相关”主变量的过程降低随机变量的个数相关特征(correlated feature)比如，相对湿度与降雨量之间的相关，我们就可以只选择一个正是因为在进行训练的时候，我们都是使用特征进行学习。如果特征本身存在问题或者特征之间相关性较强，对于算法学习预测会影响较大1.2 降维的两种方式特征选择主成分分析（可以理解一种特征提取的方式）2、特征选择2.1 定义数据中包含冗余或无关
2021-03-12 09:07:06
7593
原创 机器学习算法——详细介绍 集成学习，以及什么是Bagging、随机森林、Boosting、XGBoost
目录一、集成学习算法简介1、什么是集成学习2、机器学习的两个核心任务3、集成学习中boosting和Bagging4、小结二、Bagging和随机森林1、Bagging集成原理2、随机森林构造过程3、随机森林api介绍4、随机森林预测案例4.1、案例背景4.2、步骤分析4.3、代码实现5、bagging集成优点6、小结：三、Boosting1、boosting集成原理1.1 什么是boosting1.2 实现过程：1.3 api介绍2、GBDT2.1 梯度的概念2.2 GBDT执行流程2.3 案例2.4..
2021-03-09 11:32:55
1739
2
原创 Ubuntu20.04下创建python虚拟环境，mkvirtualenv: command not found 问题解决
前言：无论是windows还是linux都使用Anaconda来创建虚拟环境很不错，但是呢，这篇博客不使用Anaconda，使用virtualenv来创建虚拟环境。目录一、创建2、查看与使用3、退出4、删除5、包操作在开发过程中，当需要使用python的包时可以联网安装sudo pip install 包名称使用如上命令，会将包安装到/usr/local/lib/python3.8/disk-package下接下来问题就出来了，如果在一台机器上，想开发多个不同的项目，需要用到同一个.
2021-03-08 20:58:16
2533
2
原创 特征工程——什么是特征提取？本文使用sklearn实现字典特征提取和文本特征提取
目录特征工程——特征提取1、特征提取1.1 定义1.2 特征提取API2、字典特征提取2.1 应用2.2 流程分析2.3 总结3、文本特征提取3.1 应用3.2 流程分析3.3 jieba分词处理3.4 案例分析3.5 Tf-idf文本特征提取3.5.1 公式3.5.2 案例3.6 Tf-idf的重要性4、总结：特征工程——特征提取特征提取是特征工程里面的一部分操作，下面开始介绍特征提取：什么是特征提取呢？1、特征提取1.1 定义将任意数据（如文本或图像）转换为可用于机器学习的数字特征.
2021-03-08 10:49:08
1016
原创 机器学习算法——决策树算法详细介绍，并使用sklearn实现案例预测，可视化决策树
目录一、决策树算法简介二、决策树分类原理1、熵1.1 概念1.2 案例2、决策树的划分依据一：信息增益2.1 概念2.2 案例：3、决策树的划分依据二：信息增益率3.1 概念3.2 案例3.2.1 案例一:3.2.2 案例二：3.3 为什么使用C4.5要好：4、决策树的划分依据三：基尼值和基尼指数4.1 概念4.2 案例一、决策树算法简介决策树思想的来源非常朴素，程序设计中的条件分支结构就是if-else结构，最早的决策树就是利用这类结构分割数据的一种分类学习方法。决策树：是一种树形结构，其中每..
2021-03-08 10:41:19
2758
原创 机器学习分类评估方法——准确率、精确率、召回率、F1-score、ROC曲线 的详细介绍
目录1、分类评估方法1.1 分类评估方法1.1.1 精确率与召回率（1）混淆矩阵:（2） 精确率(Precision)与召回率(Recall)1.1.2 F1-score1.1.3 分类评估报告api1.2 ROC曲线与AUC指标1.2.1 TPR与FPR1.2.2 ROC曲线1.2.3 AUC指标1.2.4 AUC计算API总结：2、ROC曲线的绘制2.1 曲线绘制（1） 如果概率的序列是（1:0.9,2:0.7,3:0.8,4:0.6,5:0.5,6:0.4）（2） 如果概率的序列是（1:0.9,2:.
2021-03-02 16:59:51
2591
原创 机器学习算法——以癌症分类为例子介绍 逻辑回归（sklearn实现）
目录1、逻辑回归介绍1.1、逻辑回归的应用场景1.2、逻辑回归的原理1.2.1 输入：1.2.2 激活函数1.3、损失以及优化1.3.1 损失1.3.2 优化总结：2、逻辑回归api介绍3、案例：癌症分类预测-良／恶性乳腺癌肿瘤预测3.1 背景介绍3.2 案例分析3.3 代码实现4、分类评估方法4.1 分类评估方法4.1.1 精确率与召回率（1）混淆矩阵:（2） 精确率(Precision)与召回率(Recall)4.1.2 F1-score4.1.3 分类评估报告api4.2 ROC曲线与AUC指标4..
2021-03-02 16:48:06
3833
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人