吱吱了了 - 博客园

sklearn学习9----LDA（discriminat_analysis）

摘要： 1、导入模块 http://scikit-learn.org/stable/modules/generated/sklearn.discriminant_analysis.LinearDiscriminantAnalysis.html#sklearn.discriminant_analysis.Li 阅读全文

posted @ 2018-07-04 15:57 吱吱了了阅读(1329) 评论(0) 推荐(0)

树（8）----路径和

摘要： 1、输出树的所有路径：(前序遍历，深度遍历的特例） 1、二叉树中的最大路径和给定一个非空二叉树，返回其最大路径和。本题中，路径被定义为一条从树中任意节点出发，达到任意节点的序列。该路径至少包含一个节点，且不一定经过根节点。示例 1: 示例 2: ############超出时间限制 2、路径求阅读全文

posted @ 2018-07-03 19:47 吱吱了了阅读(572) 评论(0) 推荐(0)

树（7）-----二叉树的序列化和反序列化

摘要： 1、序列化：层次遍历【用字符串来存储】 2、反序列化：用队列存已经建立的节点，从序列化后的字符串列表取数来建立树二、前序遍历的序列化：代码：反序列化： 3、前序遍历和中序遍历反序列化阅读全文

posted @ 2018-07-01 15:16 吱吱了了阅读(221) 评论(0) 推荐(0)

xgboost学习

摘要： 1、原理 https://www.cnblogs.com/zhouxiaohui888/p/6008368.html 2、实战 xgboost中比较重要的参数介绍：（1）学习率：learning rate ：一般设置比较低，0.1以下（2）tree： max_depth min_child_we 阅读全文

posted @ 2018-06-30 21:14 吱吱了了阅读(336) 评论(0) 推荐(0)

Python笔记24-----迭代器、生成器的使用（如嵌套列表的展开、树的遍历等）

摘要：一、递归yield使用可把yield当做return，其作用是把一个函数变成一个迭代器。 1、嵌套列表展开 def flatten(nested): if type(nested)==list: for sublist in nested: for i in flatten(sublist): y 阅读全文

posted @ 2018-06-24 17:36 吱吱了了阅读(784) 评论(0) 推荐(0)

算法20-----卡诺兰数

摘要： 1、卡诺兰概念：卡诺兰数列的递推关系：h(n)= h(0)*h(n-1) + h(1)*h(n-2) + ... + h(n-1)h(0) (其中n>=2),这是n阶递推关系; 数列的通项：F(n)=C(2n,n)/(n+1) 2、可以解决的问题：参考链接：https://www.cnblogs 阅读全文

posted @ 2018-06-21 19:31 吱吱了了阅读(325) 评论(0) 推荐(0)

正则表达式小知识点

摘要： 1、（）、[ ] 、{ } 小括号、中括号、大括号区别小括号就是括号内看成一个整体，中括号就是匹配括号内的其中一个，大括号就是匹配几次 {n}n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。 {n,}n是一个非负整数。至少匹配n 阅读全文

posted @ 2018-06-17 13:38 吱吱了了阅读(259) 评论(0) 推荐(0)

贝叶斯算法

摘要： 1、贝叶斯要解决的问题：正向概率：已知袋子中有N个白球和M个黑球，摸到白球的概率多大？逆向概率：事先不知道袋子中黑白球的比例，通过摸出来球的颜色来判断球的比例。贝叶斯是在概率的框架下实施决策的节本方法。对分类来说，在所有相关概率都已知的理想情形下，贝叶斯考虑如何基于这些概率和误判损失来按着最优阅读全文

posted @ 2018-06-17 11:55 吱吱了了阅读(486) 评论(0) 推荐(0)

sklearn学习8-----GridSearchCV(自动调参）

摘要：一、GridSearchCV介绍：自动调参，适合小数据集。相当于写一堆循环，自己设定参数列表，一个一个试，找到最合适的参数。数据量大可以使用快速调优的方法坐标下降【贪心，拿当前对模型影响最大的参数调优，直到最优，但可能获得的是全局最优】。二、参数使用 class sklearn.model_s 阅读全文

posted @ 2018-06-16 11:29 吱吱了了阅读(13337) 评论(0) 推荐(0)

sklearn学习7-----决策树（tree)

摘要： 1、使用示例 2、树模型参数：【很多参数都是用来限制树过于庞大，即担心其过拟合】 # 1.criterion gini or entropy：用什么作为衡量标准 ( 熵值或者Gini系数）。 # 2.splitter best or random 前者是在所有特征中找最好的切分点后者是在部分特征阅读全文

posted @ 2018-06-10 10:45 吱吱了了阅读(512) 评论(0) 推荐(0)