Jin_liang

摘要： 简介 Logistic回归是一种机器学习分类算法，用于预测分类因变量的概率。 在逻辑回归中，因变量是一个二进制变量，包含编码为1（是，成功等）或0（不，失败等）的数据。 换句话说，逻辑回归模型预测P（Y = 1）是X的函数。 数据 该数据集来自UCI机器学习库，它与葡萄牙银行机构的直接营销活动（电话 阅读全文

摘要： 目录 1.层次聚类的原理 2.层次聚类优缺点 3.聚类实例 1.层次聚类的原理 层次聚类可以分为两种主要类型：凝聚型（agglomerative）和分裂型（divisive）。 1.凝聚聚类：它也被称为AGNES（凝聚嵌套）。 它以自下而上的方式工作。 也就是说，每个对象最初被认为是单元素簇（叶子） 阅读全文

摘要： 目录 一.k均值简介 二.应用简介 三.算法 四.选择合适的K 五.具体实例 目录 一.k均值简介 二.应用简介 三.算法 四.选择合适的K 五.具体实例 目录 一.k均值简介 二.应用简介 三.算法 四.选择合适的K 五.具体实例 目录 一.k均值简介 二.应用简介 三.算法 四.选择合适的K 五 阅读全文

摘要： 目录 一.归一化 1.1 最小最大值标准化（MinMaxScaler） 1.2绝对值最大标准化（ MaxAbsScaler） 1.1 最小最大值标准化（MinMaxScaler） 1.2绝对值最大标准化（ MaxAbsScaler） 二.标准化 2.1 零均值单位方差（scale） 2.2 训练数据 阅读全文

摘要： 目录 一.预处理 二.缺失值的处理 三.格式的转换 四.异常值的处理 一.预处理 1.1.列名称的修改 像下面这样，我们就完成了两个列的重命名，而其余的列名保持不变 1.2.添加index 有的时候数据的index是0，1，2……这样的数字，我们需要修改为日期格式，date必须是数据里一个serie 阅读全文

摘要： 本节介绍专用于符号计算的SymPy 库。 包括： 1.基本介绍 2.方程式 3.积分 4.微分 1.基本介绍 SymPy 引人了 新的对象类。最基本的是Symbol 类， 可以用符号对象定义任何函数。它们不会和Python 函数混淆: -sqrt(x) + 1.5*x**2 + 4.5 2.方程式 阅读全文

摘要： 对下列式子求积分 $$f(x)=\sin(x)+0.5x$$ 即： $$\int_{0}^{0.9}(\sin(x)+0.5x)dx\qquad$$ 数值积分 integrate 子库包含一组精选的函数，可以计算给定上下限的数学函数下的数值积分，这些函数的例子也介用于同定高斯求积的fixed_qua 阅读全文

摘要： 给定一个多维函数，如何求解全局最优？ 文章包括： 1.全局最优的求解：暴力方法 2.全局最优的求解：fmin函数 3.凸优化 函数的曲面图 import numpy as np import matplotlib.pyplot as plt import matplotlib as mpl def 阅读全文

摘要： 以一次线条插值为例： import numpy as np import matplotlib.pyplot as plt import pandas as pd from scipy.interpolate import splrep,splev def f(x): return np.sin(x 阅读全文

摘要： python 数学工具包括： 1.函数的逼近 1.1.回归 1.2.插值 2.凸优化3.积分4.符号数学 本文介绍函数的逼近的回归方法 1.作为基函数的单项式 对函数 的拟合 首先定义函数并且可视化 先用一次函数拟合 再用高次函数进行拟合 拟合效果的检查 2.单独的基函数 首先常见一个空的矩阵，然后 阅读全文