11-21

摘要： 1.数据接口 基本数据表是二维表格数据其中，一行表示一个样本，一列表示一个相关特征，同时对于有监督学习而言，还需要一列特征充当标签列，通常再数据读取为DataFrame格式，方便前期探索 特征矩阵简称X，它通常用DataFrame或者Numpy数组表示，目标数组简称y，一般是一维数组 通常用一维Nu 阅读全文

摘要： #导入必要的包 import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline 构建一个KNN分类器 假设输入数据集最后一列是标签，其 阅读全文

摘要： 聚类概述 皆在理解/探索数据的某些自然结构，商业上最有名的FRM（客户价值评估模型）就是聚类分析的一种数据处理，降维，数据离散压缩，有效的发现最近邻居等。 种类 1.K-Means：K均值是基于原型的，划分的聚类计数，它试图发现用户指定个数（K）的簇，（由质心代表） 2.层次聚类：把数据划分为又层次 阅读全文

摘要： K-Means对非球形边界的数据很难达到⼀个较好的分类效果，因此我们需要借助另外的数学理论工具对其进行进一步的完善。利⽤密度进行聚类的方法： DBSCAN。 DNSCAN是⼀种基于密度的聚类方法，旨在寻找被低密度区域分离的高密度区域。 DBSCAN是⼀种简单、有效的基于密度的聚类算法，且包含了基于密 阅读全文

摘要： 层次聚类基本原理 ⼀种针对小样本精确聚类的聚类算法：层次聚类法。所谓更更加精准，⼀方面是指该聚类方法在执行过程中全程保持透明，另⼀面则是在真实的应用场景中，针对数据量不大（数千行左右）的数据，层次聚类往会有一个⾮常好的聚类效果 其首先会计算所有数据中最邻近的点，将其归为一个簇，然后取其质心作为簇的代 阅读全文

摘要： 虽然在线性回归的求解过程中，通过借助最⼩⼆乘法能够迅速找到全域最优解，但最⼩⼆乘法本身的使⽤条件较为苛刻，必须要求当 为满秩矩阵或正定阵时才可进⾏逆矩阵或⼴义逆矩阵的求解， 在实际应⽤中经常会遇⻅矩阵不存在逆矩阵或⼴义逆矩阵的情况，并且当X的各列存在线性相关关系 （即多重共线性）的时候，最⼩⼆乘法的 阅读全文

摘要： #导入必要的包 import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline BGD求解逻辑回归 In [2]: #⾸先定义联系函数 阅读全文

摘要： In [1]: import numpy as np import pandas as pd import matplotlib import matplotlib.pyplot as plt %matplotlib inline In [2]: #自定义一个归一化函数（此函数的前提是我的数据是一个 阅读全文

摘要： In [1]: import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt In [2]: #创建一个矩阵 a = np.array([[1, 2], [3, 4]]) 阅读全文

摘要： import numpy as np import matplotlib.pyplot as plt %matplotlib inline plt.rcParams['font.sans-serif'] = 'Arial Unicode MS' ## 设置中文显示 plt.rcParams['axe 阅读全文