清风紫雪

摘要： 欠拟合与过拟合 什么是过拟合与欠拟合 欠拟合 过拟合 第一种情况：因为机器学习到的天鹅特征太少了，导致区分标准太粗糙，不能准确识别出天鹅。 第二种情况：机器已经基本能区别天鹅和其他动物了。然后，很不巧已有的天鹅图片全是白天鹅的，于是机器经过学习后，会认为天鹅的羽毛都是白的，以后看到羽毛是黑的天鹅就会 阅读全文

摘要： 线性回归 什么是线性回归 定义与公式 线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。 特点：只有一个自变量的情况称为单变量回归，大于一个自变量情况的叫做多元回归 线性回归的特征与目标的关系分析 线性回 阅读全文

摘要： 朴素贝叶斯算法 朴素 假定特征与特征之间是相互独立的 贝叶斯公式 公式分为三个部分： P(C)：每个文档类别的概率(某文档类别数／总文档数量) P(W│C)：给定类别下特征（被预测文档中出现的词）的概率P(F1,F2,…) 预测文档中每个词的概率 计算方法：P(F1│C)=Ni/N （训练文档中去计 阅读全文

摘要： 数据集介绍与划分 数据集的划分 机器学习一般的数据集会划分为两个部分： 训练数据：用于训练，构建模型 测试数据：在模型检验时使用，用于评估模型是否有效 划分比例： 训练集：70% 80% 75% 测试集：30% 20% 30% API sklearn.model_selection.train_te 阅读全文

摘要： 特征工程 特征抽取 文本特征提取-CountVectorizer 作用：对文本数据进行特征值化 sklearn.feature_extraction.text.CountVectorizer(stop_words=[]) 返回词频矩阵 CountVectorizer.fit_transform(X) 阅读全文

摘要： sklearn数据集 数据集API介绍 sklearn.datasets 加载获取流行数据集 datasets.load_*() 获取小规模数据集，数据包含在datasets里 datasets.fetch_*(data_home=None) 获取大规模数据集，需要从网络上下载，函数的第一个参数是d 阅读全文

摘要： Spark Streaming Spark Streaming 介绍 批量计算 流计算 Spark Streaming 入门 Netcat 的使用 项目实例 目标：使用 Spark Streaming 程序和 Socket server 进行交互, 从 Server 处获取实时传输过来的字符串, 拆 阅读全文

摘要： 写此文的目的是为了方便寒假自己忘记填问卷星 一开始的想法和去年一样，去年就写过一版，想着今年不过就是改改数据，换换id而已，另外没想到的事情发生了。。。 满怀信心的写完代码 from selenium import webdriver import time import random def ru 阅读全文

摘要： 今天要yum点东西到服务器上，然后本地centos6用yum下载包，就报了All mirror URLs are not using ftp, http[s] or file. 终于还是万能的度娘告诉我因为centos6的支持给官方停掉了...... 那你就这样做： sed -i "s|enable 阅读全文

摘要： A分数 题目描述： 1/1 + 1/2 + 1/4 + 1/8 + 1/16 + .... 每项是前一项的一半，如果一共有20项,求这个和是多少，结果用分数表示出来。类似：3/2当然，这只是加了前2项而已。分子分母要求互质。 思路： 可以知道这是一个等比数列，求前20项的和，在进行化简，gcd即可 阅读全文