- 博客(12)
- 收藏
- 关注
原创 用python实现kd树的构建和搜索
前两天学习了knn算法,knn的思想很简单,不过其中提出的kd树有理解的必要。故就用python写了一个kd树代码。个人感想是,把kd树算法实现一遍比看书看半天有用多了,而且还不会犯困(bushi思路来自https://www.joinquant.com/view/community/detail/dd60bd4e89761b916fe36dc4d14bb272讲的很好,不过有一个小漏洞,编程实现一遍才发现# 余康盛 python学习# 2022/3/31# 16:11# kd树结点cl
2022-03-31 16:31:09
2794
3
原创 西瓜书+南瓜书第九章 聚类
第九章聚类9.1聚类任务9.2性能度量9.3距离计算9.3.1距离定义9.3.2明可夫斯基距离9.3.3VDM度量9.4原型聚类(kmeans)9.5密度聚类(DBSCAN)9.6层次聚类(AGNES)9.1聚类任务聚类试图将训练样本划分为若干个不相交的子集,每个子集称为一个簇,每个簇可能对应于一些潜在的概念但是这些概念对聚类算法而言事先是未知的。聚类既能作为一个单独过程,用于找寻数据内在的分布结构,也可作为分类等其他学习任务的前驱过程。例如,在一些商业应用中需对新用户的类型进行判别,但定义“用户类型
2022-01-15 23:17:54
418
原创 一、requests的简单应用
request的简单使用1.浏览器运行过程1.1http请求的过程1.2 需要注意的点2.编码相关的问题3.requests模块介绍requesrs模块发送get请求1.浏览器运行过程1.1http请求的过程浏览器在拿到域名对应的ip后,先向地址栏中的url发起请求,并获取响应.在返回的响应内容(html)中,会带有css、js、图片等url地址,以及ajax代码,浏览器按照响应内容中的顺序依次发送其他的请求,并获取相应的响应浏览器每获取一个响应就对展示出的结果进行添加(加载),js,css等内容
2022-01-08 15:49:08
917
原创 西瓜书+南瓜树第八章 集成学习
集成学习8.1 个体与集成8.2 Boosting8.2.1Boosting介绍8.2.2AdaBoost算法8.1 个体与集成集合个体应该和而不同,①和指个体学习器的泛化误差应该小于随机误差,以二分类问题为例,就是指误差ϵ\epsilonϵ<0.5②不同指的是,个体学习器之间应该有所差异,这样集成学习才有意义收敛条件的两个结论:①个体学习器越多越好,能降低集成错误率②ϵ≠\epsilon\neqϵ= 0.58.2 Boosting8.2.1Boosting介绍Boosting
2021-12-25 23:47:02
616
原创 朴素贝叶斯
朴素贝叶斯基本介绍分类流程优缺点优点:缺点:4种应用实时预测:多类预测:文本分类/垃圾邮件过滤/情感分析:推荐系统:基本介绍朴素贝叶斯分类器是一种基于贝叶斯定理的弱分类器,所有朴素贝叶斯分类器都假定样本每个特征与其他特征都不相关。举个例子,如果一种水果其具有红,圆,直径大概3英寸等特征,该水果可以被判定为是苹果。尽管这些特征相互依赖或者有些特征由其他特征决定,然而朴素贝叶斯分类器认为这些属性在判定该水果是否为苹果的概率分布上独立的。朴素贝叶斯分类器很容易建立,特别适合用于大型数据集,众所周知,这是一种胜
2021-12-11 19:55:09
991
原创 西瓜书+南瓜书第5章神经网络
目录5.1神经元模型5.1.1M-P神经元模型5.1.2神经网络5.2感知机与多层网络5.2.1感知机5.3误差逆传播算法5.4全局最小和局部极小5.5其他常见的神经网络5.6深度学习5.1神经元模型5.1.1M-P神经元模型在这个模型中,神经元接受到来自n个其他神经元传递过来的输入信号,这些输入信号通过带权重的连接进行传递,神经元接受到的总输入值将与神经元的阈值θ\thetaθ进行比较,然后通过激活函数处理以产生神经元的输出。理想的激活函数是阶跃函数它将输入值映射为输出值0或1,其中1对应于
2021-11-28 18:43:58
923
原创 西瓜书+南瓜书第四章决策树
目录4.1什么是决策树4.2划分选择4.2.1 划分的思路4.2.2 ID3决策树4.2.3 C4.5决策树4.2.4 CART决策树4.3 剪枝处理4.3.1 预剪枝4.3.2 后剪枝4.4 连续与缺失值4.5 多变量决策树4.1什么是决策树决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值。4.2划分选择4.2.1 划分的思路我们需要选择一个最优的划分属性,一般而言,随着划分过程的不断进行,我们希望决策树的分支结
2021-11-25 19:27:44
312
原创 西瓜书+南瓜书第三章线性模型
第三章,线性模型3.1基本形式3.2线性回归3.2.1概述3.2.2一元线性回归3.2.2.1 最小二乘法3.2.2.2极大似然估计3.3.3多元线性回归3.3对数几率回归3.4线性判别分析3.5多分类学习3.6 类别不平衡问题3.1基本形式线性模型试图学得一个通过属性的线性组合来进行预测的函数,即f(x)=w1x1+w2x2+w3x3+⋯+wdxd+bf(\boldsymbol x)=w_1x_1+w_2x_2+w_3x_3+\dots+w_dx_d+bf(x)=w1x1+w2x2+w3x
2021-11-20 17:20:34
583
原创 概览西瓜书第1、2章
概览西瓜书+南瓜书第1、2章这里两章主要是梳理一下概念,为接下来的学习做一个铺垫吧。为了使入门较为简单,这里我暂时跳过以下内容第一章:【1.4 归纳偏好】第二章:【2.3.3-ROC与AUC】及其之后的内容这些内容在之后需要的时候再来补充。第一章 绪论数据集、示例、属性/特征、属性值的区分数据集是描述一组物体特征的集合,以数分、高代、C++三门学习成绩为例{(数分=95,高代=95,C++=95),(数分=45,高代=80,C++=50)…}示例是集合中的一个元素如“(数分=95,高代=9
2021-11-15 21:46:43
486
原创 笔记第二天回文数
class Solution {public:bool isPalindrome(int x) {if(x<0)return 0;long long y=0;int temp=x;do{y=10*y+temp%10;}while(temp/=10);if(x!=y)return 0;return 1;}};和第一天整数倒转的思路基本一致,输入小于0时直接判断为false就行了...
2021-01-10 19:09:41
77
原创 笔记第一天,整数倒转
class Solution {public:int reverse(int x){long long y = 0;do{y = y10 + x % 10;} while (x /= 10);if (y> 2147483647|| y<-2147483648)return 0;return y;}};1,long long 是为了是为了防止y=10y+x%10时y溢出2,用x/=10可以逐步除去x的最后一位再用x%10可以取最后一位3,y=10*y+x%10将新
2021-01-09 17:59:07
109
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人