摘要：class TFIDF(object): """ 以一个图书馆为例， tf: 该单词在图书馆某本书里出现的频率 idf: 1+log((图书馆所有书的数量+平滑系数)/(该单词出现过的书的数量+平滑系数)) tfidf = tf*idf，即对应该本书该词的tfidf值 """ def __init_ 阅读全文

摘要：本demo从pytorch官方的迁移学习示例修改而来，增加了以下功能： 阅读全文

摘要：1 from itertools import combinations 2 3 data = [['I1', 'I2', 'I5'], ['I2', 'I4'], ['I2', 'I3'], ['I1', 'I2', 'I4'], ['I1', 'I3'], 4 ['I2', 'I3'], ['I1', 'I3'], ['I1 阅读全文

摘要：数据集如下： 基于信息增益的ID3决策树的原理这里不再赘述，读者如果不明白可参考西瓜书对这部分内容的讲解。 python实现代码如下： 绘制的决策树如下： 阅读全文

摘要：输出结果： 阅读全文

摘要：1 import numpy as np 2 # 将二维数据降成1维 3 num = [(2.5, 2.4), (0.5, 0.7), (2.2, 2.9), (1.9, 2.2), (3.1, 3.0), (2.3, 2.7), (2, 1.6), (1, 1.1), (1.5, 1.6), (1 阅读全文

摘要：原理：计算当前点（无label，一般为测试集）和其他每个点（有label，一般为训练集）的距离并升序排序，选取k个最小距离的点，根据这k个点对应的类别进行投票，票数最多的类别的即为该点所对应的类别。代码实现（数据集采用的是iris）： 对比结果：custom的准确率： 0.95sklearn的准确率 阅读全文