05 2017 档案
SKLearn中模型持久化
摘要:import os os.mkdir("workspace/model_save") #创建新文件夹 os.chdir("workspace/model_sava") #切换到该文件夹下 阅读全文
posted @ 2017-05-22 16:38 hd_chen 阅读(1361) 评论(0) 推荐(0)
SVM(支持向量机)
摘要:支持向量机不错的讲解 http://blog.csdn.net/v_july_v/article/details/7624837 (很好) http://www.cnblogs.com/jerrylead/archive/2011/03/13/1982639.html http://www.cnbl 阅读全文
posted @ 2017-05-21 20:45 hd_chen 阅读(174) 评论(0) 推荐(0)
有助于学习的CSDN博客地址链接———sklearn库学习
摘要:1、python sklearn包——grid search笔记 http://blog.csdn.net/u010454729/article/details/50754460 2、scikit-learn 支持向量机算法库使用小结 http://www.cnblogs.com/pinard/p/ 阅读全文
posted @ 2017-05-21 20:41 hd_chen 阅读(405) 评论(0) 推荐(1)
SKLearn中预测准确率函数介绍
摘要:SKLearn中预测准确率函数介绍 1、在使用Sklearn进行机器学习算法预测测试数据时,常用到classification_report函数来进行测试的准确率的计算输 #开始预测y_pred = clf.predict(X_test)print("done in %0.3fs" % (time( 阅读全文
posted @ 2017-05-21 19:35 hd_chen 阅读(20844) 评论(0) 推荐(0)
深度学习领域应用
摘要:深度学习领域应用: http://blog.csdn.net/zhaoyu106/article/details/53261055 阅读全文
posted @ 2017-05-14 19:15 hd_chen 阅读(224) 评论(0) 推荐(0)
常用机器学习算法KNN原理与实践
摘要:推荐两篇讲解与实践KNN比较好博客,感谢原作者总结 http://blog.csdn.net/u012162613/article/details/41768407 http://www.cnblogs.com/ybjourney/p/4702562.html 阅读全文
posted @ 2017-05-09 22:16 hd_chen 阅读(154) 评论(0) 推荐(0)
NumPy常用函数总结
摘要:NumPy库总包含两种基本的数据类型:矩阵和数组,矩阵的使用类似Matlab,本实例用得多的是数组array。 shape()shape是numpy函数库中的方法,用于查看矩阵或者数组的维素>>>shape(array) 若矩阵有m行n列,则返回(m,n)>>>array.shape[0] 返回矩阵 阅读全文
posted @ 2017-05-09 21:18 hd_chen 阅读(1633) 评论(0) 推荐(0)
PCA的数学原理(转载)
摘要:PCA的数学原理(转载) http://blog.codinglabs.org/articles/pca-tutorial.html 这篇关于PCA原理的文章写的太好了,感谢原作者。 阅读全文
posted @ 2017-05-08 22:05 hd_chen 阅读(268) 评论(0) 推荐(0)
矩阵特征值
摘要:<!-- react-empty: 2 --> 参考:https://www.zhihu.com/question/21874816 <!-- react-empty: 397 --> 如何理解矩阵特征值? <!-- react-empty: 142 --> <!-- react-text: 151 阅读全文
posted @ 2017-05-04 16:40 hd_chen 阅读(6852) 评论(0) 推荐(1)
特征向量,特征值的意义
摘要:参考地址https://zhidao.baidu.com/question/49272600.html 特征向量的几何意义特征向量确实有很明确的几何意义,矩阵(既然讨论特征向量的问题,当然是方阵,这里不讨论广义特征向量的概念,就是一般的特征向量)乘以一个向量的结果仍 是同维数的一个向量,因此,矩阵乘 阅读全文
posted @ 2017-05-04 16:07 hd_chen 阅读(581) 评论(0) 推荐(0)