2022年3月21日
example_2（类和方法）
摘要： 实例一： public class people { public static void main(String[] args) { person p1 = new person();//实例化一个人，p1 p1.name = "张三"; p1.age = 24; p1.hight = 170; 阅读全文
posted @ 2022-03-21 00:18 Theext 阅读(63) 评论(0) 推荐(0)
example_1（for语句）
摘要： 九九乘法表 public class jiujiu { public static void main(String[] args){ for(int i=1;i<=9;i++){ for(int j=1;j<=i;j++){ System.out.print(j+"*"+i+"="+(i*j<10 阅读全文
posted @ 2022-03-21 00:06 Theext 阅读(39) 评论(0) 推荐(0)
2022年3月17日
机器学习—降维-特征选择6-6（局部线性嵌入法/流形降维）
摘要： 使用局部线性嵌入法（流形降维）对瑞士卷数据集降维 主要步骤流程： 1. 导入包 2. 生成瑞士卷数据集 3. 可视化瑞士卷数据集 4. 不同自变量个数对应的重建误差 5. 可视化LLE降维效果 1. 导入包 In [1]: # 导入包 import numpy as np import matplo 阅读全文
posted @ 2022-03-17 00:14 Theext 阅读(443) 评论(0) 推荐(0)
机器学习—降维-特征选择6-5（LDA方法）
摘要： 使用LDA对糖尿病数据集降维 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理 3.1 检测缺失值 3.2 生成自变量和因变量 3.3 拆分训练集和测试集 3.4 特征缩放 4. 使用 LDA 降维 4.1 使用 LDA 降维 4.2 验证 X_train_lda 的由来 5. 构建 阅读全文
posted @ 2022-03-17 00:05 Theext 阅读(331) 评论(0) 推荐(0)
2022年3月16日
机器学习—降维-特征选择6-4（PCA-Kernel方法）
摘要： 使用PCA核方法对糖尿病数据集降维 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理 3.1 检测缺失值 3.2 生成自变量和因变量 3.3 拆分训练集和测试集 3.4 特征缩放 4. 使用 Kernel PCA 降维 5. 构建逻辑回归模型 5.1 使用原始数据构建逻辑回归模型 5 阅读全文
posted @ 2022-03-16 23:47 Theext 阅读(524) 评论(0) 推荐(0)
机器学习—降维-特征选择6-3（PCA）
摘要： 使用PCA对糖尿病数据集降维 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理 3.1 检测缺失值 3.2 生成自变量和因变量 3.3 拆分训练集和测试集 3.4 特征缩放 4. 使用PCA降维 4.1 使用 PCA 生成新的自变量 4.2 验证PCA转换规则 4.2.1 打印旧的自 阅读全文
posted @ 2022-03-16 21:46 Theext 阅读(1021) 评论(0) 推荐(0)
机器学习—降维-特征选择6-2（包装法）
摘要： 使用包装法对糖尿病数据集降维（递归特征消除法） 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理 3.1 检测缺失值 3.2 生成自变量和因变量 3.3 拆分训练集和测试集 3.4 特征缩放 4. 使用递归特征消除法降维 5. 得到降维后的自变量 数据集链接：https://www. 阅读全文
posted @ 2022-03-16 21:19 Theext 阅读(200) 评论(0) 推荐(0)
机器学习—降维-特征选择6-1（过滤法）
摘要： 使用过滤法对糖尿病数据集降维 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理 3.1 检测缺失值 3.2 生成自变量和因变量 4. 使用不同的统计指标做特征选择 4.1 使用 方差 指标 4.2 使用 卡方检验 指标 5. 构建逻辑回归模型并评估模型性能 5.1 使用原始数据构建 阅读全文
posted @ 2022-03-16 21:10 Theext 阅读(284) 评论(0) 推荐(0)
2022年3月15日
机器学习—聚类5-3（DBSCAN算法）
摘要： 使用DBSCAN对环形数据做聚类 主要步骤流程： 1. 导入包 2. 生成数据并可视化 3. 使用DBSCAN做聚类并可视化 3.1 参数组合1 3.2 参数组合2 3.3 参数组合3 3.4 参数组合4 4. 使用K-Means做聚类并可视化 5. 打印调整兰德指数 1. 导入包 In [2]: 阅读全文
posted @ 2022-03-15 18:50 Theext 阅读(557) 评论(0) 推荐(0)
机器学习—聚类5-2（轮廓系数）
摘要： 使用轮廓系数评估超市客户分组效果 主要步骤流程： 1. 导入包 2. 导入数据集 3. 使用K-Means算法得到不同K值对应的WCSS4. 使用K-Means算法得到不同K值对应的轮廓系数 3.1 生成WCSS 3.2. 画出 K值 vs WCSS 图 4. 使用K-Means算法得到不同K值对应 阅读全文
posted @ 2022-03-15 18:41 Theext 阅读(981) 评论(0) 推荐(0)