摘要:首先按照 https://www.cnblogs.com/xiaokang01/p/12092160.html 方法进行安装和配置环境变量 问题:cmd进入mysql时,输入 mysql -uroot -p 提示 """ mysql : 无法将“mysql”项识别为 cmdlet、函数、脚本文件或可 阅读全文
posted @ 2020-03-24 09:11 机器快点学习 阅读 (56) 评论 (0) 编辑
摘要:指标的意义: R方:拟合出来的线能解释多少实际信息量 F值:验证模型整体显著性水平 一、R2 也称 拟合优度、决定系数:反应回归模型拟合数据的优良程度 先说结论:R2 越接近 1 ,拟合效果越好 回归:所有实际数值点向均值回归,认为均值含有所有点最大的信息量 实际信息:点的实际值 减去 均值 认为是 阅读全文
posted @ 2020-03-16 09:16 机器快点学习 阅读 (119) 评论 (0) 编辑
摘要:符号 用途 ~ 分隔符号,左边为响应变量,右边为解释变量,eg:要通过x、z和w预测y,代码为y~x+z+w + 分隔预测变量 : 表示预测变量的交互项 eg:要通过x、z及x与z的交互项预测y,代码为y~x+z+x:z * 表示所有可能交互项的简洁方式,代码y~x*z*w可展开为y~x+z+w+x 阅读全文
posted @ 2020-03-16 08:06 机器快点学习 阅读 (74) 评论 (0) 编辑
摘要:一、回归算法 1.1 一元线性回归 最小二乘法: 通过使因变量的真实值和估计值之间的离差平方和达到最小来求 β0 和 β1 1.2 多元回归(今天先略过) 通过矩阵来求解最小二乘法 二、回归算法相关函数 使用 R 自带的 women 数据集 一元线性回归 # 模型创建 fit1 = lm(weigh 阅读全文
posted @ 2020-03-15 22:22 机器快点学习 阅读 (13) 评论 (0) 编辑
摘要:一、集中趋势和离中趋势 表示集中趋势的指标们: 均值、中位数、众数、百分位数 异常值判定: 3σ原则原则(还有很多别的原则):超出(μ-3σ,μ+3σ)的值,即超出箱线图上下边界的点 离散程度指标: 极差(range) 标准差(sta.dev) 方差(variance) 变异系数(CV):对标准差做 阅读全文
posted @ 2020-03-15 17:46 机器快点学习 阅读 (9) 评论 (0) 编辑
摘要:在R中各种概率函数都有统一的形式,即一套统一的 前缀+分布函数名(参数): 分布函数 注意:不同前缀,第一个参数 n 的意义不同(详见下方讲解) 连续型 名称 英文名 R对应的函数 参数 高斯分布 gaussian norm n, mean=0, sd=1 指数分布 exponential exp 阅读全文
posted @ 2020-03-15 10:31 机器快点学习 阅读 (25) 评论 (0) 编辑
摘要:循环(生成斐波那契数列为例) for 循环 d[1] = 1 d[2] = 1 for(i in 3:20){ d[i] = d[i-1]+d[i-2] print(d[i])} while 循环 e = rep(0, 10) e[1] = 1 e[2] = 1 i = 3 while (i<=10 阅读全文
posted @ 2020-03-14 22:05 机器快点学习 阅读 (58) 评论 (0) 编辑
摘要:向量的创建、拼接、转frame # 创建向量 a = c("qiaofen","ouyangfeng","wangyuyan","zhagnwuji","renyingying") b = c(-1/0,1/0,100,100,100) # 向量拼接 rab = rbind(a,b) cab = c 阅读全文
posted @ 2020-03-14 21:32 机器快点学习 阅读 (74) 评论 (0) 编辑
摘要:1 DataFrame 统一修改列名大小写 列名统一修改成小写 df.columns=df.columns.str.lower() 列名统一修改成大写 df.columns =df.columns.str.upper() 阅读全文
posted @ 2020-03-08 10:36 机器快点学习 阅读 (10) 评论 (0) 编辑
摘要:目录 1 Filter 1.1 移除低方差特征(Removing features with low variance) 1.2 单变量特征选择 (Univariate feature selection) 1.2.1 卡方检验 (Chi2) 1.2.2 Pearson 相关系数 (Pearson 阅读全文
posted @ 2020-03-08 09:50 机器快点学习 阅读 (54) 评论 (0) 编辑