莫凡

摘要： 常见的梯度下降算法有： 全梯度下降算法(Full gradient descent）， 随机梯度下降算法（Stochastic gradient descent）， 随机平均梯度下降算法（Stochastic average gradient descent） 小批量梯度下降算法（Mini-batc 阅读全文

摘要： 思考： 假设刚才的房子例子，真实的数据之间存在这样的关系 真实关系：真实房子价格 = 0.02×中心区域的距离 + 0.04×城市一氧化氮浓度 + (-0.12×自住房平均房价) + 0.254×城镇犯罪率 那么现在呢，我们随意指定一个关系（猜测） 随机指定关系：预测房子价格 = 0.25×中心区域 阅读全文

摘要： 1：线性回归简介 1：应用场景：房价预测，销售额度预测，带块额度预测 2：定义与公式： 线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。 特点：只有一个自变量的情况称为单变量回归，多于一个自变量情况的叫 阅读全文

摘要： 1 再识K-近邻算法API sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm='auto') n_neighbors： int,可选（默认= 5），k_neighbors查询默认使用的邻居数 algorithm：{‘auto 阅读全文

摘要： 1 什么是特征预处理 1.1 特征预处理定义 scikit-learn的解释 provides several common utility functions and transformer classes to change raw feature vectors into a represen 阅读全文

摘要： 1. scikit-learn数据集API介绍 sklearn.datasets 加载获取流行数据集 datasets.load_*() 获取小规模数据集，数据包含在datasets里 datasets.fetch_*(data_home=None) 获取大规模数据集，需要从网络上下载，函数的第一个 阅读全文

摘要： 1：kd简介 1.1 什么是kd树 根据KNN每次需要预测一个点时，我们都需要计算训练数据集里每个点到这个点的距离，然后选出距离最近的k个点进行投票。当数据集很大时，这个计算成本非常高，针对N个样本，D个特征的数据集，其算法复杂度为O（DN^2）。 kd树：为了避免每次都重新计算一遍距离，算法会把距 阅读全文

摘要： 1：协程 协程不是操作系统提供的，是一种用户状态内的上下文切换技术，简言而之，其实就是通过一个线程实现代码块相互切换执行。 def func1(): print(1) ... print(2) def func2(): print(3) ... print(4) func1() func2() 上述 阅读全文

摘要： 1：安装docker 2：利用docker安装centos 3: 查看docker中的所有镜像 docker images 3.1 启动镜像（注意：要在容器中使用system 命令，使用以下命令） docker run --name=centos7 -itd --network=host -p 80 阅读全文

摘要： 1：k-紧邻算法的概念 K Nearest Neighbor算法又叫KNN算法，这个算法是机器学习里面一个比较经典的算法， 总体来说KNN算法是相对比较容易理解的算法 1：定义： 如果一个样本再特征空间中中的 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，则该样本属于这个类别 2： 阅读全文