04 2020 档案

主成分分析
摘要：一、用自己的话描述出其本身的含义： 1、特征选择 2、PCA 特征选择 特征选择就是从所有特征中选择部分特征作为训练集，即对现有特征拿好的特征，差的特征就不要，特征在选择前后 可以改变特征部分的值、也可以不改变特征部分的值，只是选择后的特征维数肯定要比选择前小。 PCA PCA是一种分析、简化数据集 阅读全文
posted @ 2020-04-30 10:56 杜嘟嘟 阅读(136) 评论(0) 推荐(0)
逻辑回归实践
摘要：1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下） 逻辑回归通过正则化来防止过拟合；正则化可以防止过拟合是因为过拟合的时候，拟合函数的系数往往非常大，而正则化是 通过约束参数的范数使其不要太大，所以可以在一定程度上减少过拟合情况，以L2正则化为例，正则项会使权重趋于 阅读全文
posted @ 2020-04-27 15:50 杜嘟嘟 阅读(192) 评论(0) 推荐(0)
特征选择
摘要：用过滤法对以下数据进行特征选择： [[0,2,0,3], [0,1,4,3], [0,1,1,3]] 要求： 1、Variance Threshold（threshold =1.0） 2、将结果截图 from sklearn.feature_selection import VarianceThre 阅读全文
posted @ 2020-04-27 09:55 杜嘟嘟 阅读(109) 评论(0) 推荐(0)
逻辑归回
摘要：1.用自己的话描述一下，什么是逻辑回归，与线性回归对比，有什么不同？ Logistic回归与多重线性回归实际上有很多相同之处，最大的区别就在于它们的因变量不同，其他的基本都差不多。正是因为如此，这两种回归可以归于同一个家族，即广义线性模型（generalizedlinear model）。 这一家族 阅读全文
posted @ 2020-04-24 18:55 杜嘟嘟 阅读(239) 评论(0) 推荐(0)
线性回归算法
摘要：1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性 一、算法简介 1.1 什么是回归分析 回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。通常使用曲线/线来拟合数据点，目 阅读全文
posted @ 2020-04-22 10:19 杜嘟嘟 阅读(548) 评论(0) 推荐(0)
4.K均值算法--应用
摘要：1. 应用K-means算法进行图片压缩。 读取一张图片 观察图片文件大小，占内存大小，图片数据结构，线性化 用kmeans对图片像素颜色进行聚类 获取每个像素的颜色类别，每个类别的颜色 压缩图片生成：以聚类中收替代原像素颜色，还原为二维 观察压缩图片的文件大小，占内存大小 from sklearn 阅读全文
posted @ 2020-04-19 15:58 杜嘟嘟 阅读(244) 评论(0) 推荐(0)
3.K均值算法
摘要：扑克牌手动演练k均值聚类过程：>30张牌，3类 在其中选择了3张牌作为初始中心，即点数为1、2、3的牌放在上面作为中心 第1轮：聚类中心为1、2、3，新聚类中心为1、2、6 第2轮：聚类中心为1、2、6，新聚类中心为1、3，6 第3轮：聚类中心为1、3、6，新聚类中心为1、3、6 用sklearn. 阅读全文
posted @ 2020-04-15 22:15 杜嘟嘟 阅读(229) 评论(0) 推荐(0)
机器学习相关数学基础
摘要：高数笔记 导数就是曲线的斜率，是曲线变化快慢的反应 二阶导数是斜率变化快慢的反应，表征曲线凹凸性 二阶导数连续的曲线，往往称之为“光顺的” 常用函数的导数 泰勒公式 函数展开成无穷级数 方向导数 梯度 割线位于函数的上方 概率论 线性代数 阅读全文
posted @ 2020-04-14 23:27 杜嘟嘟 阅读(168) 评论(0) 推荐(0)
机器学习概述
摘要：Python环境 学习笔记 机器学习是在于给定一个任务，然后在合理的性能度量方案P的前提下，某计算机程序可以自主学习任务T的经验；不断地提供合适、优值、大量的经验，该程序对于任务的性能逐步提高。 机器学习的一般流程是先要收集数据，然后进行数据清洗，建立工程，再数据建模 机器学习可分为有监督学习、无监 阅读全文
posted @ 2020-04-03 19:16 杜嘟嘟 阅读(147) 评论(0) 推荐(0)