weixin_38239039的博客

K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。K-Means基于欧式距离认为两个目标距离越近，相似度越大。1. 牧师-村民模型2. K-Means原理初探K-Means算法的思想很简单，对于给定的样本集，按照样本之间的距离大小，将样本集划分为k个簇。让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大。质心：均值，即向量各维取平均即可。 直接求解上式的最小值困难，这是np难...

XGBoost (eXtreme Gradient Boosting）极限梯度提升算法1、安装#windowspip install xgboost #安装xgboost库pip install --upgrade xgboost #更新xgboost库#MACbrew install gcc@7pip3 install xgboost2、

1、数据预处理与特征工程数据挖掘的5大流程：获取数据 数据预处理 数据预处理是从数据中检测、纠正或删除损坏、不准确或不适用于模型记录的过程。 可能问题：数据类型不同，比如有的是文字，有的是数字，有的含时间序列，有的连续，有的间断；也可能，数据质量不行，有噪声，有异常，有缺失，数据出错，量纲不一，有重复，数据是偏态，数据量太大或太小。 数据预处理的目的：让数据适应模型，匹配模型的需求。 3.特征工程 特征工程：是将原始数据转换为更能代表预测模型的...

朴素贝叶斯# coding=utf8from sklearn.naive_bayes import MultinomialNBfrom sklearn.datasets import fetch_20newsgroupsfrom sklearn.model_selection import train_test_splitfrom sklearn.feature_extraction...

求解：argmaxc P(c|w) -> argmaxc P(w|c) P(c) / P(w)P(c), 文章中出现一个正确拼写词 c 的概率, 也就是说, 在英语文章中, c 出现的概率有多大 P(w|c), 在用户想键入 c 的情况下敲成 w 的概率. 因为这个是代表用户会以多大的概率把 c 敲错成 w argmaxc, 用来枚举所有可能的 c 并且选取概率最大的# 要是遇到我...

原文参考：https://www.runoob.com/numpy/numpy-tutorial.htmlNumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：一个强大的N维数组对象 ndarray 广播功能函数 ...

matplotlib 最流行的Python底层绘图库，主要做数据可视化图表,名字取材于MATLAB，模仿MATLAB构建1、假设一天中每隔两个小时(range(2,26,2))的气温(℃)分别是[15,13,14.5,17,20,25,26,26,27,22,18,15]import matplotlib.pyplot as pltfrom matplotlib import font...

文章参考：https://scikit-learn.org/stable/modules/model_evaluation.html#clustering-metrics1、分类指标 Classification Metricssklearn.metrics 模块实现了一些损失、评分和实用函数衡量分类的性能。一些指标可能需要对正类、置信度值、或二进制决策值的概率估计。大部分实现都允许每个样...

原文转载自：https://github.com/fxsjy/jiebajieba“结巴”中文分词：做最好的 Python 中文分词组件特点支持四种分词模式 精确模式，试图将句子最精确的切开，适合文本分析； 全模式，把句子中所有的可以成词的词语都扫描出来，速度非常快，但是不能解决歧义； 搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。...

1、定义：如果一个样本在特征空间中的k个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别。KNN算法最早是由Cover和Hart提出的一种分类算法。两个样本的距离通过欧式距离计算2、sklearn K-近邻算法APIsklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm='aut...

1、转换器2、估计器在sklearn中，估计器estimator是一个重要角色，分类器和回归器都属于estimator，是一类实现了算法的API。（1）用于分类的估计器：sklearn.neighbors k-近邻算法 sklearn.naive_bayes 贝叶斯 sklearn.linear_model.LogisticRegression 逻辑回归 sklea...

sklearn之datasetssklearn.datasets模块提供了导入、在线下载及本地生成数据集的付费，通过dir或help命令查看：(1)datasets.load_<dataset_name>() : sklearn自带的小数据集datasets.load_iris() # 鸢尾花数据集datasets.load_boston() # 波士顿房价数据集d...

train_test_split（）是sklearn.model_selection中的分离器函数，用户将数组或矩阵拆分为训练集和测试集，函数样式为：X_train,X_test,y_train,y_test=train_test_split(train_data,train_target,test_size,random_state,shuffle)参数解释：train_data :...