摘要: 有木有同行一起学习和研究,共同进步~ 阅读全文
posted @ 2019-09-10 15:59 轩窗尘清 阅读(101) 评论(0) 推荐(0) 编辑
摘要: 支持向量机: 优点:泛化错误率低,计算开销不大,结果易解释。 缺点:对参数调节和核函数的选择敏感,原始分类器不加修改仅适用于处理二类问题。 阅读全文
posted @ 2019-09-10 15:57 轩窗尘清 阅读(141) 评论(0) 推荐(0) 编辑
摘要: go to extremes走极端 provide... with...向。。提供。。 go to press付印 suspicious,adj. 可疑的;怀疑的;多疑的 fired 同义词 dismissed reluctant 同义词 unwilling inform sb of sth be 阅读全文
posted @ 2019-07-22 16:56 轩窗尘清 阅读(415) 评论(0) 推荐(0) 编辑
摘要: Logistics回归:实战,有两个特征X0,X1.100个样本,进行Logistics回归 1.导入数据 2. Logistics回归梯度上升优化算法 3. 画出决策边界,即画出数据集合Logistics回归最佳拟合直接的函数 4. 测试数据,画图 5. 结果如下 另外,还有 阅读全文
posted @ 2019-07-20 12:45 轩窗尘清 阅读(352) 评论(0) 推荐(0) 编辑
摘要: 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。适用于标称型数据。 贝叶斯决策理论的核心思想:选择具有最高概率的决策。 实现内容:以在线社区的留言板为例,为了不影响社区的发展,我们要屏蔽侮辱性的言论,所以要构建 一个快速过滤器,如果某条留言 阅读全文
posted @ 2019-07-19 16:52 轩窗尘清 阅读(244) 评论(0) 推荐(0) 编辑
摘要: 决策树: 1. 计算数据集的香农熵 2. 创建数据集 3. 划分数据集:度量花费数据集的熵,以便判断当前是否正确地划分了数据集。我们将对每个特征划分数据集的结果计算一次信息熵,然后判断按照哪个特征划分数据集是最好的划分方式。 3. 选择最好的数据集划分方式。实现选取特征,划分数据集,计算得到最好的划 阅读全文
posted @ 2019-07-18 17:22 轩窗尘清 阅读(199) 评论(0) 推荐(0) 编辑
摘要: There are two type of people in the society. People who do manual works can higher payment than people who work in the office. We usually called the l 阅读全文
posted @ 2019-07-04 10:51 轩窗尘清 阅读(549) 评论(0) 推荐(0) 编辑
摘要: vicar 牧师 grocer 杂货铺店主 with a start 由于受到惊吓 Whtaever are you dong up here?你究竟在这上面干什么?whatever用于疑问句中,用以加强what语气。我们平时经常说的是What are you doing? You certainl 阅读全文
posted @ 2019-06-21 10:18 轩窗尘清 阅读(357) 评论(0) 推荐(0) 编辑
摘要: spot (v) 看出,发现 oblige (v) 使...感到必须;obliged (adj)必须的, feel obliged to do sth. 感到不得不做某事 ==have to。eg:Experts felt obliged to investigate. somehow (adv) 阅读全文
posted @ 2019-06-21 10:04 轩窗尘清 阅读(441) 评论(0) 推荐(0) 编辑
摘要: k-近邻算法(kNN) 它的工作原理是:存在一个样本数据集合,也称做训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中每个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行比较,然后算法提取样本集中特征最相似数据(最近邻)的分类标签。一般来说 阅读全文
posted @ 2019-06-20 22:54 轩窗尘清 阅读(351) 评论(0) 推荐(0) 编辑