2018 年 6月随笔档案 - 吱吱了了

xgboost学习

摘要：1、原理 https://www.cnblogs.com/zhouxiaohui888/p/6008368.html 2、实战 xgboost中比较重要的参数介绍：（1）学习率：learning rate ：一般设置比较低，0.1以下（2）tree： max_depth min_child_we 阅读全文

posted @ 2018-06-30 21:14 吱吱了了阅读(327) 评论(0) 推荐(0) 编辑

Python笔记24-----迭代器、生成器的使用（如嵌套列表的展开、树的遍历等）

摘要：一、递归yield使用可把yield当做return，其作用是把一个函数变成一个迭代器。 1、嵌套列表展开 def flatten(nested): if type(nested)==list: for sublist in nested: for i in flatten(sublist): y 阅读全文

posted @ 2018-06-24 17:36 吱吱了了阅读(761) 评论(0) 推荐(0) 编辑

算法20-----卡诺兰数

摘要：1、卡诺兰概念：卡诺兰数列的递推关系：h(n)= h(0)*h(n-1) + h(1)*h(n-2) + ... + h(n-1)h(0) (其中n>=2),这是n阶递推关系; 数列的通项：F(n)=C(2n,n)/(n+1) 2、可以解决的问题：参考链接：https://www.cnblogs 阅读全文

posted @ 2018-06-21 19:31 吱吱了了阅读(310) 评论(0) 推荐(0) 编辑

正则表达式小知识点

摘要：1、（）、[ ] 、{ } 小括号、中括号、大括号区别小括号就是括号内看成一个整体，中括号就是匹配括号内的其中一个，大括号就是匹配几次 {n}n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。 {n,}n是一个非负整数。至少匹配n 阅读全文

posted @ 2018-06-17 13:38 吱吱了了阅读(252) 评论(0) 推荐(0) 编辑

贝叶斯算法

摘要：1、贝叶斯要解决的问题：正向概率：已知袋子中有N个白球和M个黑球，摸到白球的概率多大？逆向概率：事先不知道袋子中黑白球的比例，通过摸出来球的颜色来判断球的比例。贝叶斯是在概率的框架下实施决策的节本方法。对分类来说，在所有相关概率都已知的理想情形下，贝叶斯考虑如何基于这些概率和误判损失来按着最优阅读全文

posted @ 2018-06-17 11:55 吱吱了了阅读(456) 评论(0) 推荐(0) 编辑

sklearn学习8-----GridSearchCV(自动调参）

摘要：一、GridSearchCV介绍：自动调参，适合小数据集。相当于写一堆循环，自己设定参数列表，一个一个试，找到最合适的参数。数据量大可以使用快速调优的方法坐标下降【贪心，拿当前对模型影响最大的参数调优，直到最优，但可能获得的是全局最优】。二、参数使用 class sklearn.model_s 阅读全文

posted @ 2018-06-16 11:29 吱吱了了阅读(13193) 评论(0) 推荐(0) 编辑

sklearn学习7-----决策树（tree)

摘要：1、使用示例 2、树模型参数：【很多参数都是用来限制树过于庞大，即担心其过拟合】 # 1.criterion gini or entropy：用什么作为衡量标准 ( 熵值或者Gini系数）。 # 2.splitter best or random 前者是在所有特征中找最好的切分点后者是在部分特征阅读全文

posted @ 2018-06-10 10:45 吱吱了了阅读(495) 评论(0) 推荐(0) 编辑

广义线性模型------逻辑回归和softmax回归

摘要：1、广义线性模型 2、逻辑回归 3、softmax回归阅读全文

posted @ 2018-06-07 13:20 吱吱了了阅读(353) 评论(0) 推荐(0) 编辑

Python数据分析------例子1（信用卡欺诈）

摘要：1、读取数据 2、认识数据 ①数据特征的量纲差距（即归一化/标准化处理） ②数据分布不均衡（比方说分类，0-1分类，0的数据远远大于1的数据）处理方式：下采样、过采样。下采样：将多的数据变得和少的数据一样少。过采样：将少的数据变得和多的数据一样多。以下是下采样：过采样：SMOTE算法、AD 阅读全文

posted @ 2018-06-06 14:24 吱吱了了阅读(2696) 评论(0) 推荐(0) 编辑

sklearn学习6----交叉验证

摘要：1、kfold：自己分样本来交叉验证迭代导入模块：from sklearn.model_selection import KFold 参数：导入模块：from sklearn.model_selection import KFold 参数： n_splits：就是将样本分成多少份。进行k折验证阅读全文

posted @ 2018-06-05 15:36 吱吱了了阅读(965) 评论(0) 推荐(0) 编辑

sklearn学习5-----模型评估(1) 分类度量

摘要：一、分类度量 1、混淆矩阵： 2、classification_report 3、汉明损失 4、jaccard相似系数得分 5、准确率、召回率和F_measure 3、阅读全文

posted @ 2018-06-05 15:07 吱吱了了阅读(392) 评论(0) 推荐(0) 编辑

sklearn学习4----预处理（1）标准化

摘要：一、【标准化】scale： 1、导入模块 from sklearn.preprocessing import scaler 2、作用：直接将给定数据进行标准化 3、使用代码二、【标准化】StandardScaler 1、导入模块 from sklearn.preprocessing import 阅读全文

posted @ 2018-06-05 14:25 吱吱了了阅读(873) 评论(0) 推荐(0) 编辑

树（6）-----DFS

摘要：1、二叉树的反向层次遍历 2、最长同值路径给定一个二叉树，找到最长的路径，这个路径中的每个节点具有相同值。这条路径可以经过也可以不经过根节点。注意：两个节点之间的路径长度由它们之间的边数表示。示例 1: 输入: 输出: 3、找到出现最多值的节点。【递归+Counter字典】阅读全文

posted @ 2018-06-05 10:05 吱吱了了阅读(212) 评论(0) 推荐(0) 编辑

sklearn学习3----模型选择和评估（1）训练集和测试集的切分

摘要：来自链接：https://blog.csdn.net/zahuopuboss/article/details/54948181 1、sklearn.model_selection.train_test_split随机划分训练集和测试集官网文档：http://scikit-learn.org/sta 阅读全文

posted @ 2018-06-04 22:02 吱吱了了阅读(387) 评论(0) 推荐(0) 编辑

数据分析常用的函数（2）

摘要：1、df.describe（）：该函数主要对数据进行一个基本的统计，输出数据的总数量（count）、平均值（mean）、标准差(std)、最小值和最大值（min、max)、分位数（四分位） 2、sort_values(by="列名/行名")：对该列或该行进行值排序 3、df.replace(to_r 阅读全文

posted @ 2018-06-04 21:53 吱吱了了阅读(382) 评论(0) 推荐(0) 编辑

sklearn学习2-----LogisticsRegression

摘要：1、官网地址： http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html 2、class sklearn.linear_model.LogisticRegression 阅读全文

posted @ 2018-06-04 20:40 吱吱了了阅读(1586) 评论(0) 推荐(0) 编辑

sklearn学习汇总

摘要：该博主总结的很好，https://www.cnblogs.com/hellcat/p/7531789.html 1、kaggle给出的导图 2、转化成树图： 3、sklearn工具导图阅读全文

posted @ 2018-06-04 20:34 吱吱了了阅读(384) 评论(0) 推荐(0) 编辑

sklearn学习1----sklearn.SVM.SVC

摘要：1、SVM有两种作用：分类和回归，分类是用SVC，回归用SVR。 2、SVC：（中文官网）重点在svm.SVC()，fit(X,Y)，以及SVC中的参数。 3、SVC参数： ①C，C是控制软间隔中的松弛变量是否起作用，C越大表明越宽松，对松弛变量更容忍，C越小越严格，等于0时表示不允许有数据在支持阅读全文

posted @ 2018-06-04 19:14 吱吱了了阅读(1325) 评论(0) 推荐(0) 编辑

树（5）-----判断两颗树一样或者一棵树是否是另外一颗的子树

摘要：1、判断两颗树是否一样。（递归） 2、判断一颗树是否为另外一颗的子树：【在判断是否一样树之上还加一层循环】(递归加循环）法二：转化成字符串，判断字符串1是否在字符串2之中。 3、寻找重复的子树给定一棵二叉树，返回所有重复的子树。对于同一类的重复子树，你只需要返回其中任意一棵的根结点即可。两棵树阅读全文

posted @ 2018-06-04 16:01 吱吱了了阅读(873) 评论(0) 推荐(0) 编辑

树（4）-----树的高度

摘要：1、最大深度：（递归） 2、树的直径长度【对每个节点进行一个左子树高度加右子树高度的计算】给定一棵二叉树，你需要计算它的直径长度。一棵二叉树的直径长度是任意两个结点路径长度中的最大值。这条路径可能穿过根结点。示例 : 给定二叉树返回 3, 它的长度是路径 [4,2,1,3] 或者 [5,2,1 阅读全文

posted @ 2018-06-04 11:58 吱吱了了阅读(1141) 评论(0) 推荐(0) 编辑

面试题1-----SVM和LR的异同

摘要：1、异（加下划线是工程上的不同）（1）两者损失函数不一样（2）LR无约束、SVM有约束（3）SVM仅考虑支持向量。（4）LR的可解释性更强，SVM先投影到更高维分类再投影到低维空间。（5）SVM不能给出概率结果。（6）SVM是自带有约束条件的正则，泛化能力比LR好。LR是无约束正则。（阅读全文

posted @ 2018-06-03 16:20 吱吱了了阅读(890) 评论(0) 推荐(0) 编辑

算法19-----（位运算）找出数组中出现只出现一次的数

摘要：题目：前三题都可以用集合和来求。【sum(set(nums)）*N-sum(nums)】 1、数组中别的数都出现2次，只有一个数出现1次，找出该数。 2、数组中别的数都出现3次，只有一个数出现1次，找出该数。 3、数组中别的数都出现N次，只有一个数出现1次，找出该数。 4、数组中别的数都出现2次，阅读全文

posted @ 2018-06-02 10:48 吱吱了了阅读(1183) 评论(0) 推荐(0) 编辑

06 2018 档案