随笔分类 - 数据分析
摘要：# transformers入门使用 HuggingFace是一个开源社区，它提供了先进的NLP模型，数据集，以及其他工具。 模型：https://huggingface.co/models 数据集：https://huggingface.co/datasets 主要的模型 - 自然回归： `GPT
阅读全文
摘要：余弦相似度精度问题引起的偏差 余弦相似度值不等于1(实际是等于1) 两个向量$a$和$b$是相同的，余弦相似度值应该是1，但是通过sklearn和numpy计算的结果却不等于1，会出现大于1或者小于1的情况，实际上余弦值应该是在[-1, 1]这个区间内的。 使用sklearn.metrics.pai
阅读全文
摘要：sklearn之主成分分析pca 在scikit-learn中，CA是主成分分析的缩写。主成分分析是一种常用的线性降维技术，可以将多维数据集降到较低的特征维度，并保留数据集的大部分特征信息。在sklearn中，使用PCA需要引入PCA模块，并通过实例化一个PCA对象来使用它的方法和属性。例如，可以使
阅读全文
摘要：余弦相似性 介绍 余弦相似度，又称为余弦相似性，是通过计算两个向量的夹角余弦值来评估他们的相似度。余弦相似度将向量根据坐标值，绘制到向量空间中，如最常见的二维空间。 cosine_similarity是一种度量两个非零向量之间夹角的相似性的方法。它的计算方法如下： $cosine_similarit
阅读全文
摘要：轮廓系数(Silhouette Coefficient Index) 轮廓系数（Silhouette Coefficient Index）是一种聚类评估指标，用于评估数据聚类的效果。其取值范围在[-1, 1]之间，指标值越大表示聚类结果聚类效果越好。 具体来说，轮廓系数既要考虑聚类结果的紧密性，又要
阅读全文
摘要：Hellinger距离 介绍 Hellinger距离是一种用于度量概率分布之间相似度的指标。 在统计学和信息论领域中，它被广泛应用于分类、聚类、图像识别、文本分类等方面。 Hellinger距离又称为Bhattacharyya距离的平方根，它是两个概率分布之间的欧几里德距离的一半，其取值范围在0到1
阅读全文
摘要：1 k-prototypes聚类 https://github.com/nicodv/kmodes.git 1 k-prototypes算法 K-prototype是K-means与K-modes的一种集合形式，适用于数值类型与字符类型集合的混合型数据。 k-prototypes算法在聚类的过程中，
阅读全文
摘要：import matplotlib.pyplot as plt # import matplotlib import rcParams # 设置显示中文字体 plt.rcParams["font.sans-serif"] = ["SimHei"] # 设置正常显示符号 plt.rcParams["a
阅读全文
摘要：Levenshtein距离 莱文斯坦距离，又称Levenshtein距离，是编辑距离的一种。 指两个字串之間，由一个转成另一个所需的最少编辑操作次数。 允许的编辑操作包括将一个字符替换成另一个字符，插入一个字符，刪除一个字符。 GitHub 提供了计算莱文斯坦距离的包。 安装方法： pip inst
阅读全文
浙公网安备 33010602011771号