枫飞飞

摘要： https://www.cnblogs.com/xiaohuahua108/p/5956254.html 前情提要：关于logistic regression，其实本来这章我是不想说的，但是刚看到岭回归了，我感觉还是有必要来说一下。 一:最小二乘法 最小二乘法的基本思想：基于均方误差最小化来进行模型 阅读全文

摘要： https://wenku.baidu.com/view/7af0b436f08583d049649b6648d7c1c708a10bbf.html 阅读全文

摘要： 因为不支持中文 输入命令： iconv -f gbk -t utf8 filename.txt > filename.txt.utf8 阅读全文

摘要： https://blog.csdn.net/zhangyang10d/article/details/53418227 数据预处理 sklearn.preprocessing 标准化 （Standardization） 规范化（Normalization） 二值化 分类特征编码 推定缺失数据 生成多 阅读全文

摘要： https://blog.csdn.net/menghuanbeike/article/details/79138651 你需要前往Anaconda的官网看下目前的下载地址： https://www.continuum.io/downloads#linux 下载python2版本或者python3版 阅读全文

摘要： https://www.cnblogs.com/magle/p/5638409.html 简介 自2007年发布以来，scikit-learn已经成为Python重要的机器学习库了。scikit-learn简称sklearn，支持包括分类、回归、降维和聚类四大机器学习算法。还包含了特征提取、数据处理 阅读全文

摘要： https://blog.csdn.net/try_test_python/article/details/80802199 前几天在学装饰器的时候，关于装饰器内层函数调用目标函数时是否return目标函数的调用产生了一点迷惑，事实是当被装饰的目标函数有返回值的时候，装饰器内层函数也必须返回该目标函 阅读全文

摘要： https://blog.csdn.net/qq_31852975/article/details/72354578 多项式拟合与线性回归 多项式拟合 设M次多项式为 fM(x,w)=w0+w1+w2x2+...+wMxM=∑Mj=0wjxj 当损失函数为L(w)=12∑Ni=1(∑Mj=0wjxj 阅读全文

摘要： https://www.cnblogs.com/xinchrome/p/5043480.html 一、数组方法 创建数组：arange()创建一维数组；array()创建一维或多维数组，其参数是类似于数组的对象，如列表等 反过来转换则可以使用numpy.ndarray.tolist()函数，如a.t 阅读全文

摘要： https://blog.csdn.net/u011599639/article/details/76254442 函数numpy.convolve(a, v, mode=‘full’)，这是numpy函数中的卷积函数库 参数： a:(N,)输入的一维数组 b:(M,)输入的第二个一维数组 mode 阅读全文