forthlss

摘要： 笔记笔记笔记-待更新 二维数组中查找 题目 在一个二维数组中（每个一维数组的长度相同），每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断数组中是否含有该整数 思路 从最右一列往下查找,效率比直接遍历高 代码 # -*- c 阅读全文

摘要： 转自https://blog.csdn.net/T1243_3/article/details/80170006 阅读全文

摘要： 年前做的，也是学习别人的作品作为记录 一、赛题 表1：sku基本信息表（jdata_sku_basic_info） 表2：用户基本信息表（jdata_user_basic_info） 表3：用户行为表（jdata_user_action） 表4：用户订单表（jdata_user_order） 表5： 阅读全文

摘要： 之前简单总结的，后面的内容基本是目录，详细内容后面再添加 1.决策树的定义 简单的来说决策树就是将数据集根据一定规则分裂，建立成树结构，用来进行决策，每一个非叶子节点是一个判断条件，每一个叶子节点是结论。从根节点开始，经过多次判断得出结论。 举例： 省略数据集，给出得到的树如下，用来银行根据一个认得 阅读全文

摘要： 机器学习一百天-day7/11-KNN近邻法 在协同过滤里应用的就是近邻法 一，数据预处理 读取数据，划分数据集，特征归一化 二，将KNN应用于训练集 使用KNeighborsClassifier， 具体介绍见https://scikit-learn.org/stable/modules/gener 阅读全文

摘要： 机器学习100天-day4,5,6,8逻辑回归 一，数据导入 将类别变量转为哑变量 检测是否有nan值 划分数据集 将X的数据进行归一化处理 二，逻辑回归模型 三，评估预测 生成混淆矩阵 混淆矩阵（confusion matrix）是机器学习尤其是统计分类中常用的用以判断分类好坏的方法，如下： TP 阅读全文

摘要： 机器学习一百天-day3多元线性回归及虚拟变量陷阱分析 一，数据预处理 导入数据集 数据集（head（5））： 将类别数据数字化 先用labelencoder将字符串编码为0,1,2，再用onrhotencoder编码 此时的X ： [[0.0000000e+00 0.0000000e+00 1.0 阅读全文

摘要： 机器学习100天-day2简单线性回归 一，数据预处理 数据集 二，训练集使用简单线性回归模型训练 三，预测结果 四，可视化 训练集： 测试集： 阅读全文

摘要： 机器学习一百天学习笔记（只作为学习笔记，具体推荐学习如下链接） 原github：https://github.com/Avik-Jain/100-Days-Of-ML-Code 中文版地址： https://github.com/MLEveryday/100-Days-Of-ML-Code 参考：作 阅读全文

摘要： 主要参数说明： missing_values：缺失值，可以为整数或NaN(缺失值numpy.nan用字符串‘NaN’表示)，默认为NaN strategy：替换策略，字符串，默认用均值‘mean’替换 ①若为mean时，用特征列的均值替换 ②若为median时，用特征列的中位数替换 ③若为most_ 阅读全文