06 2020 档案

K-means算法
摘要：K-means 聚类算法 无监督问题，我们手里没有标签 聚类：相似的东西分到一组 难点：如何评估，如何调参 基本概念 要得到簇的个数，需要制定K值 质心：均值，各个维度取平均即可 距离的度量：常用的欧几里得距离或者与余弦相似度（先标准化） 优化目标：一共有多少个簇，让每一个样本到簇中心点的距离越小越 阅读全文
posted @ 2020-06-12 09:54 心远志高 阅读(129) 评论(0) 推荐(0)
支持向量机-SVC
摘要：支持向量机 支持向量机是比较有效的机器学习算法，通过找到支持向量，找到最大的决策边界。 from sklearn.datasets import make_blobs import numpy as np import pandas as pd import matplotlib.pyplot as 阅读全文
posted @ 2020-06-11 15:10 心远志高 阅读(643) 评论(0) 推荐(0)
贝叶斯-实现新闻数据分类
摘要：用贝叶斯实现新闻分类 重点，停用词的去除，词向量的构建， TF-IDF原理 停用词可以通过停用词表进行去除 词向量构建，本文是通过简单的词频模型，来构建词向量 IF-IDF 通过词频和关键词提取，来判断一个单词出现的重要性 import pandas as pd import jieba pd.se 阅读全文
posted @ 2020-06-10 10:52 心远志高 阅读(614) 评论(0) 推荐(0)
贝叶斯-使用贝叶斯实现拼写检查器
摘要：基于贝叶斯实现拼写检查器 简单，容易，效果好 贝叶斯是一种常见的分类算法，通过先验概率和估计实现后验概率的计算 难点主要是，在单词错误的情况下，估计正确的单词的概率 难点是通过键盘距离可以评估出在输入正确的情况下，输错的概率分布 import re, collections # 求解 argmax 阅读全文
posted @ 2020-06-10 10:45 心远志高 阅读(467) 评论(0) 推荐(0)
泰坦尼克求胜率预测-基于随机森林实现
摘要：泰坦尼克是一个经典的机器学习数据集，通过决策树对特征进行筛选，获得较大的特征 import pandas as pd pd.set_option('display.max_columns', None) #显示完整的列 # pd.set_option('display.max_rows', None 阅读全文
posted @ 2020-06-09 17:46 心远志高 阅读(377) 评论(0) 推荐(0)
决策树算法-Python实现
摘要：决策树比较常用的算法模型，可以做分类也可以回归 决策树算法重点 对特征的选择，可以使用熵，也可以使用基尼系数，通过信息增益或者信息增益率选择最好的特征 决策树的剪枝，有两种策略，一种是预剪枝，一种是后剪枝，预剪枝可以通过限制树的高度，叶子节点个数，信息增益等进行，使得树边建立边剪枝，后剪枝通过增加损 阅读全文
posted @ 2020-06-09 11:09 心远志高 阅读(1156) 评论(0) 推荐(0)
SQL_牛客网60题
摘要：1.查找最晚入职员工的所有信息，为了减轻入门难度，目前所有的数据里员工入职的日期都不是同一天 SELECT * FROM employees ORDER BY hire_date DESC LIMIT 1 2.查找入职员工时间排名倒数第三的员工所有信息，为了减轻入门难度，目前所有的数据里员工入职的日 阅读全文
posted @ 2020-06-08 18:05 心远志高 阅读(419) 评论(0) 推荐(0)
信用卡欺诈模型-逻辑回归
摘要：信用卡欺诈的模型 难点： 数据不均衡，有两种解决方案，一种是过采样和一种是下采样 过采样是对多的数据进行筛选，使得两种数据数量相同 下采样，通过对少的数据进行数据生成，使得两种数据数量相同 import pandas as pd import matplotlib.pyplot as plt imp 阅读全文
posted @ 2020-06-08 11:10 心远志高 阅读(560) 评论(0) 推荐(0)
用python实习逻辑回归
摘要：建立一个逻辑回归模型来预测一个学生是否被大学录取 # 三大件 import numpy as np import pandas as pd import matplotlib.pyplot as plt import os path = 'data' + os.sep + 'LogiReg_data 阅读全文
posted @ 2020-06-08 10:21 心远志高 阅读(223) 评论(0) 推荐(0)
SQL必会50题
摘要：根据知乎进行练习, 有些还是有点难度 链接https://zhuanlan.zhihu.com/p/43289968 -- 1.查询课程编号为“01”的课程比“02”的课程成绩高的所有学生的学号（重点） USE sql_test; SELECT a.s_id, a.s_score AS '01', 阅读全文
posted @ 2020-06-05 14:51 心远志高 阅读(608) 评论(0) 推荐(0)
SQL面试必会50题-训练数据
摘要：根据知乎面试必会50题进行练习, 这是本次的数据集 https://zhuanlan.zhihu.com/p/43289968 -- 建表 -- 学生表 CREATE DATABASE sql_test; USE sql_test; CREATE TABLE `Student`( `s_id` VA 阅读全文
posted @ 2020-06-05 14:49 心远志高 阅读(501) 评论(0) 推荐(0)
Seaborn可视化常见操作
摘要：主要是Seaborn常见的操作 Seaborn 基础用法 import seaborn as sns import numpy as np import matplotlib.pyplot as plt def sinplot(flip=1): x = np.linspace(0, 14, 100) 阅读全文
posted @ 2020-06-05 14:46 心远志高 阅读(485) 评论(0) 推荐(0)
可视化-Matplotlib的常见用法
摘要：Matplotlib常见的用法 import pandas as pd import numpy as np unrate = pd.read_csv('UNRATE.csv') unrate['DATE'] = pd.to_datetime(unrate['DATE']) print(unrate 阅读全文
posted @ 2020-06-05 09:06 心远志高 阅读(257) 评论(0) 推荐(0)