做梦当财神

摘要： 支持向量机（一）线性可分支持向量机 支持向量机（二）线性支持向量机 支持向量机（三）非线性支持向量机与核函数 支持向量机（四）SMO算法 一、核技巧 1.非线性分类问题 如图 \(7.7\)，无法用直线（线性模型）将正实例点 “●”、负实例点 “×” 正确分开，但可用一条椭圆曲线（非线性模型）将其分 阅读全文

摘要： numpy.unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None)[source] 一维数组 对一维数组或列表，unique()函数去除其中重复元素，并按元素大小返回一个新的无重复元组或 阅读全文

摘要： sklearn.feature_extraction.DictVectorizer：将字典组成的列表转换成向量。(将特征与值的映射字典组成的列表转换成向量) 1. 特征矩阵行代表数据，列代表特征，0表示该数据没有该特征 [[ 2. 0. 1.] [ 0. 1. 3.]] [[ 2. 0. 1.] [ 阅读全文

摘要： 所谓不平衡指的是：不同类别的样本数量差异非常大。 数据规模上可以分为大数据分布不均衡和小数据分布不均衡。大数据分布不均衡：例如拥有1000万条记录的数据集中，其中占比50万条的少数分类样本便于属于这种情况。小数据分布不均衡：例如拥有1000条数据样本的数据集中，其中占有10条的少数分类样本便于属于这 阅读全文

摘要： 1. groupby() 2. 聚合方法size()和count() size跟count的区别： size计数时包含NaN值，而count不包含NaN值 count() size() 来自：https://blog.csdn.net/m0_37870649/article/details/8097 阅读全文

摘要： 支持向量机（一）线性可分支持向量机 支持向量机（二）线性支持向量机 支持向量机（三）非线性支持向量机与核函数 支持向量机（四）SMO算法 一、线性支持向量机 线性可分支持向量机对线性不可分数据不适用，因为这时的不等式约束不成立。需要修改硬间隔最大化为软间隔最大化。 线性不可分意味某些样本点 \((x 阅读全文

摘要： 复杂网络中，单源单点的最小费用最大流算法(MCMF)应用广泛。 在实际网络问题中，不仅考虑从 Vs 到 Vt 的流量最大，还要考虑可行流在网络传送过程中的费用问题，这就是网络的最小费用最大流问题。 最小费用最大流问题的一般提法：已知容量网络 D=(V ,A ,C)，每条弧 (Vi，Vj) 除了已给出 阅读全文

摘要： 来自：https://www.cnblogs.com/everfight/p/pandas_select_rows.html 阅读全文

摘要： $k$​​​​ 近邻法（$k-nearest\ neighbor,\ k-NN$​​​​​​​）即可用于分类，也可用于回归。 $KNN$​ 做分类还是回归区别在预测时的决策方式。做分类时，用多数表决法；做回归时，用平均法。 sklearn-learn 中只使用了 蛮力实现（$brute-force$ 阅读全文

摘要： Python proprety() 高级 property()：返回新式类属性。 class property ( [fget [, fset [, fdel [, doc] ] ] ] ) fget：获取属性值 fset：设置属性值 fdel：删除属性值 doc：属性描述信息 实例： class 阅读全文