2018年11月9日
召回率与精确率
摘要： 工业界往往会根据实际的业务场景拟定相应的业务指标。本文旨在一起学习比较经典的三大类评价指标，其中第一、二类主要用于分类场景、第三类主要用于回归预测场景，基本思路是从概念公式，到优缺点，再到具体应用（分类问题，本文以二分类为例）。 1.准确率P、召回率R、F1 值 定义 准确率（Precision）： 阅读全文
posted @ 2018-11-09 08:34 Python少年 阅读(1565) 评论(0) 推荐(0)
2018年10月24日
logistic回归
摘要： 一、logistic回归概述 主要是进行二分类预测，也即是对于0~1之间的概率值，当概率大于0.5预测为1，小于0.5预测为0.显然，我们不能不提到一个函数，即sigmoid=1/(1+exp(-inX)),该函数的曲线类似于一个s型，在x=0处，函数值为0.5. 于是，为了实现logistic分类 阅读全文
posted @ 2018-10-24 21:08 Python少年 阅读(10249) 评论(0) 推荐(1)
朴素贝叶斯
摘要： 1 准备知识：条件概率公式 相信学过概率论的同学对于概率论绝对不会陌生，如果一时觉得生疏，可以查阅相关资料，在这里主要是想贴出条件概率的计算公式： P(A|B)=P(A,B)/P(B)=P(B|A)*P(A)/P(B) 2 如何使用条件概率进行分类 假设这里要被分类的类别有两类，类c1和类c2，那么 阅读全文
posted @ 2018-10-24 12:37 Python少年 阅读(429) 评论(0) 推荐(0)
2018年10月16日
ID3决策树
摘要： 决策树 优点：计算复杂度不高，输出结果易于理解，对中间值的缺少不敏感，可以处理不相关特征数据 缺点：过拟合 决策树的构造 熵：混乱程度，信息的期望值 其中p(xi)是选择分类的概率 熵就是计算所有类别所有可能值包含的信息期望值，公式如下： （公式2） 构造基本思路 信息增益 = 初始香农熵-新计算得 阅读全文
posted @ 2018-10-16 20:56 Python少年 阅读(418) 评论(0) 推荐(0)
2018年10月1日
K近邻算法
摘要： K近邻算法简单概述 K近邻算法采用测量不同特征值之间的距离方法进行分类 该方法的思路是：如果一个样本在特征空间中与k个实例最为相似(即特征空间中最邻近)，那么这k个实例中大多数属于哪个类别，则该样本也属于这个类别。 其中，计算样本与其他实例的相似性一般采用距离衡量法。离得越近越相似，离得越远越不相似 阅读全文
posted @ 2018-10-01 20:23 Python少年 阅读(295) 评论(0) 推荐(0)
2018年9月17日
Mini-Batch 、Momentum、Adam算法的实现
摘要： Mini-Batch 1. 把训练集打乱，但是X和Y依旧是一一对应的 2.创建迷你分支数据集 Momentum 1初始化 2动量更新参数 Adam Adam算法是训练神经网络中最有效的算法之一，它是RMSProp算法与Momentum算法的结合体。 1.初始化参数 2.Adam算法实现 def up 阅读全文
posted @ 2018-09-17 11:17 Python少年 阅读(6703) 评论(0) 推荐(0)
2018年8月25日
python3安装scrapy教程
摘要： 2.1xm1http://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml3. PyOpensslhttps://pypi.python.org/pypi/pyOpenSSL#downloads4. Twistedhttp://www.lfd.uci.edu/~goh 阅读全文
posted @ 2018-08-25 13:42 Python少年 阅读(720) 评论(0) 推荐(0)
2018年8月23日
numpy高级应用
摘要： reshape重塑数组 ravel 拉平数组 concatenate 最一般化的连接，沿一条轴连接一组数组 # print(np.concatenate([arr1,arr2],axis = 0)) # print(np.concatenate([arr1, arr2], axis = 1)) # 阅读全文
posted @ 2018-08-23 11:03 Python少年 阅读(464) 评论(0) 推荐(0)
numpy.random随机数生成
摘要： seed 确定随机数生成器的种子 permutation 返回一个序列的随机排列或返回一个随机排列的返回 shuffle 对一个序列就地随机乱序 rand 产生均匀分布的样本值 randint 从给定的上下限范围内随机选取整数 randn 产生正态分布（平均值为0，标准差为1） binomial 产 阅读全文
posted @ 2018-08-23 10:48 Python少年 阅读(345) 评论(0) 推荐(0)
numpy 线性代数
摘要： diag 以一维数组的形式返回方阵的对角线（或非对角线元素），获将一维数组转换 为方阵（非对角线元素为0）。 dot 矩阵乘法 trace 计算对角线元素的和 det 计算矩阵行列式 eig 计算方阵的特征值和特征向量 inv 计算方阵的逆 pinv 计算矩阵的Moore-Penrose伪逆 qr 阅读全文
posted @ 2018-08-23 10:42 Python少年 阅读(141) 评论(0) 推荐(0)