柒~年

摘要： 本例使用forecast包中自带的数据集wineind，它表示从1980年1月到1994年8月， 由葡萄酒生产商销售的容量不到1升的澳大利亚酒的总量。数据示意如下： #观察曲线簇 len=1993-1980+1 data0=wineind[1:12*len] range0=range(data0)+ 阅读全文

摘要： 卷积神经网络（CNN） 1.1二维卷积层 卷积神经网络是含有卷积层的神经网络，均使用最常见的二维卷积层，它有高和宽两个空间维度，常用来处理图像数据。 1.1.1二维互相关运算 在二维卷积层中，一个二维输入数组和一个二维核数组通过互相关运算输出一个二维数组。 输入一个高和宽均为3的二维数组，核数组的高 阅读全文

摘要： 简易信息聚合(也叫聚合内容）是一种RSS基于XML标准，在互联网上被广泛采用的内容包装和投递协议。RSS(Really Simple Syndication)是一种描述和同步网站的内容格式，是使用最广泛的XML应用。RSS搭建了信息迅速传播的一个技术平台，使得每个人都成为潜在的信息提供者。 需要安装 阅读全文

摘要： 1 import os 2 import jieba 3 import random 4 """ 5 函数说明:中文文本处理 6 Parameters: 7 folder_path - 文本存放的路径 8 test_size - 测试集占比，默认占所有数据集的百分之20 9 Returns: 10 all_words_list - 按词频降序排序的训练集列表 11 train_data_list 阅读全文

摘要： 朴素贝叶斯对电子邮件进行分类的步骤：收集数据：提供文本文件。准备数据：将文本文件解析成词条向量。分析数据：检查词条确保解析的正确性。训练算法：使用我们之前建立的trainNB0()函数。测试算法：使用classifyNB()，并构建一个新的测试函数来计算文档集的错误率。使用算法：构建一个完整的程序对 阅读全文

摘要： 1.1基于贝叶斯决策理论的分类方法 我们称之为“朴素”，是因为整个形式化过程只做最原始、最简单的假设。 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。 适用数据类型: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。 1.2条件概率 条件 阅读全文

摘要： 1、数据集（需要数据集的留言） 一共有24组数据，数据的Labels依次是age、prescript、astigmatic、tearRate、class，也就是第一列是年龄，第二列是症状，第三列是是否散光，第四列是眼泪数量，第五列是最终的分类标签。数据如下图所示： 2、使用Graphviz可视化决策 阅读全文

摘要： Anaconda概述 Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和envir 阅读全文

摘要： 另一个版本代码 阅读全文

摘要： 一、决策树 决策树(decision tree)是一种基本的分类与回归方法。决策树由结点(node)和有向边(directed edge)组成。 结点有两种类型：内部结点(internal node)和叶结点(leaf node)。内部结点表示一个特征或属性，叶结点表示一个类。 1、决策树的构建： 阅读全文