摘要：
XGBoost是近年来很受追捧的机器学习算法，由华盛顿大学的陈天奇提出，在国内外的很多大赛中取得很不错的名次，要具体了解该模型，可以移步GitHub，本文介绍其在Widows系统下基于Git的python版本的安装方法。 需要用到三个软件： python软件（本文基于Anaconda，因为自带很多库 阅读全文
posted @ 2018-04-10 11:26
stAr_1
阅读(976)
评论(0)
推荐(0)
摘要：
比较常用的字符串匹配算法 1. 首先，字符串"BBC ABCDAB ABCDABCDABDE"的第一个字符与搜索词"ABCDABD"的第一个字符，进行比较。因为B与A不匹配，所以搜索词后移一位。 2. 因为B与A不匹配，搜索词再往后移。 3. 就这样，直到字符串有一个字符，与搜索词的第一个字符相同为 阅读全文
posted @ 2018-04-09 21:50
stAr_1
阅读(162)
评论(0)
推荐(0)
摘要：
常用于大规模稀疏机器学习问题上 1.优点： 高效 简单 2.可以选择损失函数 loss=”hinge”: (soft-margin)线性SVM. loss=”modified_huber”: 带平滑的hinge loss. loss=”log”: logistic回归 3.通过penalty参数，可 阅读全文
posted @ 2018-03-29 21:26
stAr_1
阅读(4979)
评论(0)
推荐(0)
摘要：
推荐系统主要有两种算法： 1.基于内容的推荐，主要是根据推荐项的具体内容进行推荐 2.基于协同过滤的推荐。主要是用户之间或者项之间的相似性 协同过滤分为两类： 1.item-based基于项的协同过滤 2.user-based基于用户的协同过滤 一、相似度的度量方法： 1.欧氏距离 就是平方和开根号 阅读全文
posted @ 2018-03-29 20:42
stAr_1
阅读(247)
评论(0)
推荐(0)
摘要：
1.Bagging Bagging又叫自助聚集，是一种根据均匀概率分布从数据中重复抽样（有放回）的算法 每个抽样生成的自助样本集上，训练一个基分类器；对训练过的分类器进行投票，将测试样本指派到得票最高的类中。 对于分类和回归问题可采用如下的两种方法： 分类问题：采用投票的方法，得票最多的类别为最终的 阅读全文
posted @ 2018-03-17 21:55
stAr_1
阅读(154)
评论(0)
推荐(0)
摘要：
假设有abcde5个物品，重量为w1...，价值为v1...，背包的承重量为c，怎么放的价值更高 一、0/1背包问题 5中物品只有一件，动态规划的子问题是前i个物品放在承重量为j的背包中，状态变量：dp[i][j] 遍历时i在外层，j在内层，也就是每次循环先求出前i-1个物品在不同载重量的情况下的自 阅读全文
posted @ 2018-03-15 17:58
stAr_1
阅读(213)
评论(0)
推荐(0)
摘要：
集成开发环境：Pycharm python版本：2.7（anaconda库） 用到的库：科学计算库numpy,数据分析包pandas,画图包matplotlib,机器学习库sklearn 大体步骤分为三步： 1.数据分析 2.交叉验证 3.预测并输出结果 导入库函数 import numpy as 阅读全文
posted @ 2018-03-13 11:31
stAr_1
阅读(698)
评论(0)
推荐(0)
摘要：
给出了旧金山以往犯罪活动的相关信息，预测特定条件下的犯罪情况 分析数据集和测试集信息： 训练集给出的信息有： 1.Dates：时间日期和时间，这里考虑时间对犯罪活动有影响，日期和下边的周几有相似处，取周几作为特征，因为节日是少数情况 2.category：犯罪分类，就是实例的标签 3.descrip 阅读全文
posted @ 2018-03-13 11:31
stAr_1
阅读(799)
评论(0)
推荐(0)
摘要：
直接上代码 import java.util.Stack; public class BinaryTree { //定义一棵二叉树，包括左子树、右子树、该节点的值和构造器 public BinaryTree lchild; public BinaryTree rchild; public char 阅读全文
posted @ 2018-03-13 11:29
stAr_1
阅读(322)
评论(0)
推荐(0)
浙公网安备 33010602011771号