做梦当财神

摘要： K-Means算法是无监督聚类算法，它有很多变体。包括初始化优化K-Means++，距离计算优化elkan K-Means算法和大样本优化Mini Batch K-Means算法。 1. K-Means原理 K-Means算法思想：按照样本之间距离大小，将样本划分为K个簇。让簇内点尽量连在一起，簇间 阅读全文

摘要： 逻辑回归（$Logistic\ \ regression$​​​）是分类方法。可以处理二元分类和多元分类。 一、逻辑斯谛分布 逻辑斯谛分布的密度函数 \(f(x)\) 和分布函数 $F(x)$​ 如图。分布函数属于逻辑斯谛函数，曲线以点 \(\left(\mu ,\frac{1}{2}\right) 阅读全文

摘要： @相当于在一个函数中调用另一个函数，并执行操作 def funA(x): print(x()) print(' over ') @funA def funB(): return 'hello' 相当于执行 funA(funB)，以 funB 作为入参，执行 funA()。 所以 print(x()) 阅读全文

摘要： 装饰器是Python中一种强大而灵活的语法特性，用于修改或扩展函数或方法的行为。装饰器本质上是一个函数，它接受一个函数作为输入，并返回一个新的函数或可调用对象。装饰器通常用于代码重用、日志记录、性能分析等场景。 下面是一个简单的例子，演示了如何定义和使用装饰器： # 定义一个简单的装饰器 def m 阅读全文

摘要： 一、问题 减少调用函数时的参数个数。 二、解决方案 functools.partial() 函数允许给一个或多个参数设置固定的值，减少被调用是的参数个数。 def test(a, b, c, d): print(a, b, c, d) from functools import partial s1 阅读全文

摘要： 方法1: Markdown格式下 路径是相对路径，不能是绝对路径。 不能改变图形大小 方法2: 方法3: 路径是相对路径，不能是绝对路径。 可改变图形大小。 注意事项： 1. 网络图片： 本地图片（与jupyter文件在同一目录）： 2. 前面有”!”符号，无论windows还是linux图片路径都 阅读全文

摘要： 一、什么是正规方程 梯度下降法计算参数最优解，过程是对代价函数的每个参数求偏导，通过迭代算法一步步更新，直到收敛到全局最小值，从而得到最优参数。 正规方程是一次性求得最优解。 思想：对于一个简单函数，对参数求导，将其值置为0，就得到参数的值。像下面这样： 现实例子有很多参数，我们要对这些参数都求偏导 阅读全文

摘要： 1. if语句在行内 print('Hello' if True else 'World') Hello 2. 数值比较 x = 2 if 3>x>1: print(x) if 1<x>0: print(x) 2 2 3. 迭代工具 和collections库相似，还有一个库itertools，能高 阅读全文

摘要： 一、问题 有一个字典(或元组)列表，根据字典字段(或元组的值)排序这个列表。 二、解决方案 1. 列表 operator.itemgetter() 获取的不是值，而是定义一个函数，通过该函数作用到对象上才能获取值。 from operator import itemgetter a = [1, 2, 阅读全文

摘要： 损失函数，代价函数，目标函数区别 损失函数：定义在单个样本上，一个样本的误差。 代价函数：定义在整个训练集上，所有样本的误差，也就是损失函数的平均。 目标函数：最终优化的函数。等于经验风险+结构风险（Cost Function+正则化项）。 目标函数和代价函数的区别还有一种通俗的区别： 目标函数最大 阅读全文