![](https://img-blog.csdnimg.cn/20191005194642422.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
Python
文章平均质量分 89
python
顾道长生'
时人不识凌云木,直待凌云始道高。
展开
-
【机器学习实战】线性支持向量机Python实现
文章目录支持向量机前言从逻辑回归引出SVMSVM直观解释线性SVM建模决策面方程分类间隔方程约束条件线性SVM优化问题描述求解凸优化问题知识补充拉格朗日函数KKT条件对偶问题求解SMO算法Platt的SMO算法SMO算法的解法SMO算法求解步骤编程求解线性SVM可视化数据集应用简化版SMO算法处理小规模数据集支持向量机由于理解支持向量机(Support Vector Machines,SVM)需要掌握一些理论知识,而这对读者来说有一定难度,于是建议读者直接下载LIBSVM使用。好,SVM讲解完毕.原创 2021-12-05 20:06:00 · 1907 阅读 · 1 评论 -
【机器学习实战】Logistic回归Python代码实现
文章目录理论推导Logistic回归的一般过程基于 Logistic 回归和 Sigmoid 函数的分类训练算法:使用梯度上升找到最佳参数画出决策边界训练算法:随机梯度上升示例:从疝气病症预测病马的死亡率理论推导参考我的博客(吴恩达)3.逻辑回归、正则化Logistic回归的一般过程收集数据: 采用任意方法收集数据。准备数据: 由于需要进行距离计算, 因此要求数据类型为数值型。另外, 结构化数据 格式则最佳。分析数据: 采用任意方法对数据进行分析。训练算法: 大部分时间将用于训练, 训练的.原创 2021-11-30 09:03:13 · 4469 阅读 · 1 评论 -
【机器学习实战】朴素贝叶斯Python实现
文章目录基于贝叶斯决策理论的分类方法使用条件概率来分类条件概率使用朴素贝叶斯进行文档分类使用 Python 进行文本分类示例:垃圾邮件过滤数据集下载基于贝叶斯决策理论的分类方法朴素贝叶斯优点: 在数据较少的情况下仍然有效, 可以处理多类别问题。缺点: 对于输入数据的准备方式较为敏感。适用数据类型: 标称型数据。使用条件概率来分类条件概率如果对条件概率不理解,可以查看我的知乎文章条件概率贝叶斯决策理论要求计算两个概率 p1(x,y)\mathrm{p} 1(\mathrm{x},.原创 2021-11-28 17:00:05 · 1153 阅读 · 2 评论 -
【机器学习实战】决策树Python实现
文章目录决策树的构造测试分类器决策树的构造决策树优点: 计算复杂度不高, 输出结果易于理解, 对中间值的缺失不敏感, 可以处理不相关特 征数据。缺点: 可能会产生过度匹配问题。 适用数据类型: 数值型和标称型。创建分支的伪代码函数createBranch () 如下所示:检测数据集中的每个子项是否属于同一分类:If so return 类标签;Else寻找划分数据集的最好特征划分数据集创建分支节点for 每个划分的子集 调用函数createBranch并增加.原创 2021-11-25 10:16:46 · 1725 阅读 · 0 评论 -
【机器学习实战】k-近邻算法Python实现
文章目录K-近邻算法概述工作原理实施KNN算法示例:手写识别系统数据集下载K-近邻算法概述简单地说, kkk-近邻算法采用测量不同特征值之间的距离方法进行分类。k-近邻算法优点:精度高、对异常值不敏感、无数据输入假定。缺点: 计算复杂度高、空间复杂度高。适用数据范围: 数值型和标称型。工作原理存在一个样本数据集合, 也称作训练样本集, 并且样本集中每个数据都存在标签, 知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后, 将新数据的每个特征与样本集中数据对应的特征进.原创 2021-11-24 10:49:49 · 1577 阅读 · 0 评论 -
【基础回顾】位运算
文章目录位运算1. 原码、反码和补码2. 按位运算3. 利用位运算实现快速计算4. 利用位运算实现整数集合位运算1. 原码、反码和补码二进制有三种不同的表示形式:原码、反码和补码,计算机内部使用补码来表示。原码:就是其二进制表示(注意,有一位符号位)。00 00 00 11 -> 310 00 00 11 -> -3反码:正数的反码就是原码,负数的反码是符号位不变,其余位取反(对应正数按位取反)。00 00 00 11 -> 311 11 11 00 -> -3.原创 2021-11-21 21:15:14 · 148 阅读 · 0 评论 -
吴恩达机器学习作业ex3-python实现
作业说明及数据集 链接:https://pan.baidu.com/s/1mCouM4Qr4t_3-OVuYVZ8ag提取码:csdn文章目录1 多分类1.1数据集1.2 数据可视化1.3 将逻辑回归向量化1.3.1 sigmoid 函数1.3.2 向量化梯度1.3.3 向量化正则化逻辑回归1.4 一对多分类器1.4.1 一对多预测2 神经网络2.1 模型表达2.2 前馈神经网络和预测1 多分类这个部分需要你实现手写数字(0到9)的识别。你需要扩展之前的逻辑回归,并将其应用于一对多的分类。..原创 2021-08-16 19:48:44 · 710 阅读 · 6 评论 -
吴恩达机器学习作业ex2-python实现
作业说明及数据集链接:https://pan.baidu.com/s/1joGf4Roi7tlMJVYupHKDfQ提取码:csdn文章目录1 逻辑回归1.1 数据可视化1.2 实现1.2.1 sigmoid 函数1.2.2 代价函数和梯度1.2.3 用工具库计算θ的值1.2.4 评价逻辑回归模型2 正则化逻辑回归2.2 特征映射2.3 代价函数和梯度2.3.1 用工具库求解参数2.4 画出决策的曲线2.5 改变λ,观察决策曲线1 逻辑回归在训练的初始阶段,将要构建一个逻辑回归模型来预..原创 2021-08-13 17:53:58 · 711 阅读 · 2 评论 -
吴恩达机器学习作业ex1-python实现
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D1 简单练习输出一个5∗55*55∗5的单位矩阵A = np.eye(5)Aarray([[1., 0., 0., 0., 0.], [0., 1., 0., 0., 0.], [0., 0., 1., 0., 0.], [0., 0.原创 2021-07-30 20:05:50 · 1460 阅读 · 7 评论 -
Vectorization python中避免使用显式for循环
import numpy as npa = np.array([1, 2, 3, 4])print(a)import timea = np.random.rand(1000000)b = np.random.rand(1000000)tic = time.time()c = np.dot(a, b)toc = time.time()print(c)print("Vec...原创 2019-07-16 16:35:00 · 1255 阅读 · 0 评论 -
mask rcnn demo中test的ipynb版
话不多说上代码from maskrcnn_benchmark.config import cfgfrom predictor import COCODemoimport cv2import matplotlib.pyplot as pltimport matplotlib.pylab as pylabpylab.rcParams['figure.figsize'] = 20, 12...原创 2019-07-14 09:22:53 · 465 阅读 · 0 评论 -
matplotlib绘制2D图表
ipython notebook 代码import numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inline#设置全局横纵字体大小mpl.rcParams['xtick.labelsize'] = 24mpl.rcParams['ytick.labelsize'] = ...原创 2019-07-13 17:05:54 · 351 阅读 · 0 评论 -
Python飞机大战代码
Python飞机大战代码plane_main.py文件import pygamefrom plane_sprites import *class PlaneGame(object): def __init__(self): print("游戏初始化") self.screen = pygame.display.set_mode(SCREEN_R...原创 2019-05-05 17:06:47 · 1473 阅读 · 2 评论