摘要：
简介 梯度下降法是迭代法的一种，可以用于求解最小二乘问题（线性和非线性都可以），在求解机器学习算法的模型参数，梯度下降是最常采用的方法之一，在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解 不是一个机器学习算法 是一种基于搜索的最优化方法 最小化损失函数 最大化一个效用函数（梯度上升法 阅读全文
posted @ 2019-11-20 20:14
一心取信
阅读(765)
评论(0)
推荐(0)
摘要：
在线公式编辑器：https://www.codecogs.com/latex/eqneditor.php 简介 解决回归问题 思想简单，实现容易 许多强大的非线性模型的基础 结果具有很好的可解释性 蕴含机器学习中的很多重要思想 线性回归算法以一个坐标系里一个维度为结果，其他维度为特征（如二维平面坐标 阅读全文
posted @ 2019-11-19 10:15
一心取信
阅读(1112)
评论(0)
推荐(0)
摘要：
K邻近算法、K最近邻算法、KNN算法（k-Nearest Neighbour algorithm）：是数据挖掘分类技术中最简单的方法之一 KNN的工作原理 所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。KNN算法的核心思想是如果一个样本在特征空间中的K个最相 阅读全文
posted @ 2019-11-18 10:51
一心取信
阅读(2505)
评论(0)
推荐(0)
摘要：
NumPy 文件读写主要有二进制的文件读写和文件列表形式的数据读写两种形式 二进制的文件读写 save np.save ("./文件名", 数组名)：以二进制的格式保存数据 保存的文件类型为.npy结尾的文件，保存的时候可以省略后缀 load np.load("./文件名.npy")： 函数是从二进 阅读全文
posted @ 2019-11-11 11:09
一心取信
阅读(3650)
评论(0)
推荐(0)
摘要：
# 导包 from matplotlib import pyplot as plt import numpy as np 折线图 简单线性图 在图表的所有类型中，线性图最为简单。线性图的各个数据点由一条直线来连接. 一对对(x, y)值组成的数据点在图表中的位置取决于两条轴(x和y)的刻度范围 如果 阅读全文
posted @ 2019-11-10 17:22
一心取信
阅读(964)
评论(0)
推荐(0)
摘要：
# 导入相关模块 import matplotlib.pyplot as plt import numpy as np 设置 figure Matplotlib 绘制的图形都在一个默认的 figure 中，我们可以自己创建 figure，可以控制更多的参数，常见的就是控制图形的大小 plt.figu 阅读全文
posted @ 2019-11-08 21:24
一心取信
阅读(650)
评论(0)
推荐(1)
摘要：
# 导入相关模块 import matplotlib.pyplot as plt import numpy as np Matplotlib 是一个 Python 的 2D绘图库，通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。 官方网 阅读全文
posted @ 2019-11-08 17:16
一心取信
阅读(278)
评论(0)
推荐(0)
摘要：
# 导包 import numpy as np Fancy Indexing 应用在一维数组 x = np.arange(16) x[3] # 3 x[3:9] # array([3, 4, 5, 6, 7, 8]) x[3:9:2] # array([3, 5, 7]) [x[3], x[5], 阅读全文
posted @ 2019-11-08 16:44
一心取信
阅读(731)
评论(0)
推荐(0)
摘要：
# 导包 import numpy as np 排序 .sort() x = np.arange(16) # array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]) # 随机打乱顺序，且x顺序改变 np.random.shuffl 阅读全文
posted @ 2019-11-08 15:57
一心取信
阅读(5105)
评论(0)
推荐(0)
摘要：
# 导包 import numpy as np sum np.random.seed(10) L = np.random.random(100) sum(L) np.sum(L) min np.min(L) max np.max(L) 多维度聚合 X = np.arange(16).reshape( 阅读全文
posted @ 2019-11-08 15:22
一心取信
阅读(710)
评论(0)
推荐(0)
浙公网安备 33010602011771号