数据挖掘
文章平均质量分 93
《机器学习》周志华版,《统计学习方法》李航版。
学习笔记,与Python实现尝试。
_泥鳅
wenjie_xu2000@outlook.com
展开
-
信息熵原理与Python实现
信息熵/香农熵原理与Python实现代码原创 2022-11-03 18:05:32 · 1124 阅读 · 1 评论 -
近似熵原理(Approximate Entropy)与Python实现
近似熵(Approximate entropy)的计算原理与Python实现代码原创 2022-04-11 02:36:36 · 4903 阅读 · 8 评论 -
切片逆回归原理(SIR)与Python实现
切片逆回归(SliceInverseRegression,SIR)是一种经典的充分降维方法。原创 2022-07-17 16:28:10 · 2675 阅读 · 6 评论 -
One-Hot 独热编码
文章目录为什么使用One-Hot独热编码什么是One-Hot独热编码案例示例1示例2One-Hot 编码优缺点优点缺点常见疑问为什么使用One-Hot独热编码在机器学习算法中,我们经常会遇到分类特征,例如:人的性别有男女,祖国有中国,美国,法等。 这些特征值并不是连续的,而是离散的,无序的。如果要作为机器学习算法的输入,通常我们需要对其进行特征数字化。什么是特征数字化呢?例如:性别特征:[“男”,“女”],祖国特征:[“中国”,"美国,“法国”],运动特征:[“足球”,“篮球”,“羽毛球”,“乒乓球原创 2021-07-12 00:38:07 · 246 阅读 · 1 评论 -
四种类型自编码器AutoEncoders理解及代码实现
文章目录一、自编码器(Autoencoder, AE)自编码器的结构和思想结构思想自编码器的作用与类型作用类型二、Tensorflower代码实现普通自编码器多层自编码器卷积自编码器稀疏自编码器一、自编码器(Autoencoder, AE)自编码器的结构和思想结构自编码器是一种无监督的数据维度压缩和数据特征表达方法。自编码器是神经网络的一种,经过训练后能尝试将输入复制到输出。自编码器由编码器和解码器组成,如下图所示:自编码器指的是试图让输出和输入一样的神经网络。他们通过将输入压缩成一个隐藏原创 2020-08-22 11:25:46 · 16079 阅读 · 0 评论 -
逻辑(Logistic)回归原理及Python简单实现
Logistic模型的Python实现,包含数据生成与模型训练与预测。原创 2020-07-13 19:44:15 · 2981 阅读 · 2 评论