0 范数、1 范数、2 范数有什么区别？
摘要：https://www.zhihu.com/question/20473040 作者：魏通链接：https://www.zhihu.com/question/20473040/answer/102907063来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 向量范数 1
阅读全文
posted @ 2018-10-31 20:40
10 2018 档案
ML神器：sklearn的快速使用
摘要：https://www.cnblogs.com/lianyingteng/p/7811126.html 传统的机器学习任务从开始到建模的一般流程是：获取数据 -> 数据预处理 -> 训练建模 -> 模型评估 -> 预测，分类。本文我们将依据传统机器学习的流程，看看在每一步流程中都有哪些常用的函数以及
阅读全文
posted @ 2018-10-31 10:11
拉格朗日乘子法、罚函数法、乘子罚函数法
摘要：https://blog.csdn.net/lmm6895071/article/details/78329045?locationNum=7&fps=1 1. 拉格朗日乘子法 1.1 无约束问题 1.2 等式约束问题 1.3 不等式约束问题（KKT条件） 1.4 拉格朗日乘子法问题 2. 罚函数法
阅读全文
posted @ 2018-10-30 15:52
机器学习笔记汇总1
摘要：https://blog.csdn.net/weixin_40040404/rss/list
阅读全文
posted @ 2018-10-29 19:19
JSON_CONTAINS
摘要：select * from tb where info->'$.name' = '特价促销' or JSON_CONTAINS(info->'$[*].name', '"特价促销"', '$')
阅读全文
posted @ 2018-10-22 17:28
机器学习（三）混淆矩阵
摘要：https://blog.csdn.net/qq_28448117/article/details/78219549 一：混淆矩阵监督学习—混淆矩阵非监督学习—匹配矩阵矩阵每一列代表预测值，每一行代表的是实际的类别。这个名字来源于它可以非常容易的表明多个类别是否有混淆（也就是一个class被预测成另
阅读全文
posted @ 2018-10-19 12:53
交叉验证
摘要：https://blog.csdn.net/qq_18343569/article/details/50036557 交叉验证(Cross-Validation)的基本思想：将原数据进行分组，一部分做为训练集，另一部分做为验证集，首先用训练集对不同参数的模型进行训练，再利用验证集来测试训练得到的模型
阅读全文
posted @ 2018-10-19 11:16
JSON_EXTRACT查询mysql中的｛｝和 [{},{}中的值]
摘要：json_extract(a.tag, '$[*].tag_name.cn') as tag, json_extract(a.address,'$.en') as address_name, json_extract(a.intro,'$.cn') as intro,
阅读全文
posted @ 2018-10-18 19:05
决策树——非线性回归与分类
摘要：https://blog.csdn.net/cjianwyr/article/details/54907089 决策树——非线性回归与分类 前面几章，我们介绍的模型都是广义线性模型，基本方法都是通过联接方程构建解释变量与若干响应变量的关联关系。我们用多元线性回归解决回归问题，逻辑回归解决分类问题。本
阅读全文
posted @ 2018-10-17 19:47
机器学习笔记----最小二乘法，局部加权，岭回归讲解
摘要：https://www.cnblogs.com/xiaohuahua108/p/5956254.html 前情提要：关于logistic regression，其实本来这章我是不想说的，但是刚看到岭回归了，我感觉还是有必要来说一下。 一:最小二乘法 最小二乘法的基本思想：基于均方误差最小化来进行模型
阅读全文
posted @ 2018-10-17 16:57
多元线性回归方程的图形解析
摘要：https://wenku.baidu.com/view/7af0b436f08583d049649b6648d7c1c708a10bbf.html
阅读全文
posted @ 2018-10-17 10:48
ubuntu打开txt乱码
摘要：因为不支持中文 输入命令： iconv -f gbk -t utf8 filename.txt > filename.txt.utf8
阅读全文
posted @ 2018-10-16 10:28
sklearn学习笔记（一）——数据预处理 sklearn.preprocessing
摘要：https://blog.csdn.net/zhangyang10d/article/details/53418227 数据预处理 sklearn.preprocessing 标准化 （Standardization） 规范化（Normalization） 二值化 分类特征编码 推定缺失数据 生成多
阅读全文
posted @ 2018-10-15 11:32
ubuntu安装conda
摘要：https://blog.csdn.net/menghuanbeike/article/details/79138651 你需要前往Anaconda的官网看下目前的下载地址： https://www.continuum.io/downloads#linux 下载python2版本或者python3版
阅读全文
posted @ 2018-10-15 11:18
ｓｋｌｅａｒｎ
摘要：https://www.cnblogs.com/magle/p/5638409.html 简介 自2007年发布以来，scikit-learn已经成为Python重要的机器学习库了。scikit-learn简称sklearn，支持包括分类、回归、降维和聚类四大机器学习算法。还包含了特征提取、数据处理
阅读全文
posted @ 2018-10-15 11:11
关于Python装饰器内层函数为什么要return目标函数的一些个人见解
摘要：https://blog.csdn.net/try_test_python/article/details/80802199 前几天在学装饰器的时候，关于装饰器内层函数调用目标函数时是否return目标函数的调用产生了一点迷惑，事实是当被装饰的目标函数有返回值的时候，装饰器内层函数也必须返回该目标函
阅读全文
posted @ 2018-10-12 19:46
多项式拟合与线性回归
摘要：https://blog.csdn.net/qq_31852975/article/details/72354578 多项式拟合与线性回归 多项式拟合 设M次多项式为 fM(x,w)=w0+w1+w2x2+...+wMxM=∑Mj=0wjxj 当损失函数为L(w)=12∑Ni=1(∑Mj=0wjxj
阅读全文
posted @ 2018-10-12 17:44
numpy基本方法总结 --good
摘要：https://www.cnblogs.com/xinchrome/p/5043480.html 一、数组方法 创建数组：arange()创建一维数组；array()创建一维或多维数组，其参数是类似于数组的对象，如列表等 反过来转换则可以使用numpy.ndarray.tolist()函数，如a.t
阅读全文
posted @ 2018-10-12 13:53
numpy中的convolve的理解
摘要：https://blog.csdn.net/u011599639/article/details/76254442 函数numpy.convolve(a, v, mode=‘full’)，这是numpy函数中的卷积函数库 参数： a:(N,)输入的一维数组 b:(M,)输入的第二个一维数组 mode
阅读全文
posted @ 2018-10-11 19:15
最容易理解的对卷积(convolution)的解释
摘要：https://blog.csdn.net/bitcarmanlee/article/details/54729807 啰嗦开场白读本科期间，信号与系统里面经常讲到卷积(convolution)，自动控制原理里面也会经常有提到卷积。硕士期间又学了线性系统理论与数字信号处理，里面也是各种大把大把卷积的
阅读全文
posted @ 2018-10-11 18:10
Python之numpy基本指令
摘要：https://blog.csdn.net/mmm305658979/article/details/78745637 # -*- coding: utf-8 -*- 多加练习才是真 import numpy as np from numpy import newaxis from numpy im
阅读全文
posted @ 2018-10-11 14:52
线性回归原理小结
摘要：https://www.cnblogs.com/pinard/p/6004041.html 线性回归可以说是机器学习中最基本的问题类型了，这里就对线性回归的原理和算法做一个小结。 1. 线性回归的模型函数和损失函数 线性回归遇到的问题一般是这样的。我们有m个样本，每个样本对应于n维特征和一个结果输出
阅读全文
posted @ 2018-10-10 14:47
矩阵的导数与迹
摘要：https://www.cnblogs.com/crackpotisback/p/5545708.html 矩阵的导数 对于一个将m×n 的矩阵映射为实数的函数f:ℝm×n↦ℝ，我们定义f对矩阵A的导数为 ▽Af(A)=⎡⎣⎢⎢⎢⎢⎢∂f∂A11⋮∂f∂Am1…⋱…∂f∂A1n⋮∂f∂Amn⎤⎦
阅读全文
posted @ 2018-10-10 14:01
梯度下降（Gradient Descent）小结
摘要：https://www.cnblogs.com/pinard/p/5970503.html 在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。这里就对梯度下降法做一个完整的总结。 1. 梯度 在微积分里面
阅读全文
posted @ 2018-10-09 15:05
矩阵的线性代数意义
摘要：https://www.cnblogs.com/alantu2018/p/8528299.html 大多数人在高中，或者大学低年级，都上过一门课《线性代数》。这门课其实是教矩阵。 刚学的时候，还蛮简单的，矩阵加法就是相同位置的数字加一下。 矩阵减法也类似。 矩阵乘以一个常数，就是所有位置都乘以这个数
阅读全文
posted @ 2018-10-09 07:52
矩阵的意义
摘要：https://blog.csdn.net/qq_34993631/article/details/80671693 说明 一直想总结一下以前读过的一片文章来概括一下自己对矩阵的重新认识。首先说明一下这篇文章是《神奇的矩阵》建议大家有空可以去读一下原文这是一片很不错的文章。作者洋洋洒洒的讲述了矩阵背
阅读全文
posted @ 2018-10-08 20:07
偏导数与全导数的关系 以及 偏微分与全微分的关系
摘要：https://blog.csdn.net/kwame211/article/details/78553627 1.偏导数代数意义 偏导数是对一个变量求导,另一个变量当做数对x求偏导的话y就看作一个数,描述的是x方向上的变化率对y求偏导的话x就看作一个数,描述的是y方向上的变化率几何意义对x求偏导是
阅读全文
posted @ 2018-10-04 11:43
