摘要： 一.简介 决策树的一个重要任务是理解数据中蕴含的知识信息。 决策树优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。 缺点：可能产生过度匹配的问题。 适用数据类型：数值型和标称型。 二. 决策树的一般流程 1.收集数据：可以使用任何方法。 2.准备数据：树构造算法 阅读全文

摘要： 声明：本文章为参考总结CSDN上知识点所获，只是用来总结自己学习而用，如有侵权，会删除！ 列表(list): 列表就像一个线性容器，但是比C++的 lis t扩展多得多 列表里的元素可以是相同类型，也可以包含各种类型，比如列表里嵌套另一个列表 [python] view plain copy pri 阅读全文

摘要： from numpy import * 导入numpy包 random可以生成随机数组 通过mat函数，将数组转换成矩阵，可以对矩阵进行求逆计算等。其中.I操作实现了矩阵求逆计算操作。 执行矩阵乘法，得到矩阵与其逆矩阵相乘的结果。结果应该是单位矩阵，但是实际结果有很多误差数。 将实际结果与单位矩阵进 阅读全文

摘要： 目录： 1.基本思想 PageRank，即网页排名，是Google用来标识网页的等级或重要性的一种算法。 最早的搜索引擎采用的是 分类目录 的方法，即通过人工对网页进行分类并整理出高质量的网站。 随着网页数目的急剧增大，这种方法显然无法实施。于是，搜索引擎进入了 文本检索 的时代，即通过计算用户的查 阅读全文

摘要： 2016年安装Pycharm后，过段时间过期。亲测只需要复制以下激活码可以完美解决激活问题，又可以开心的写Python了。以下为激活码内容： BIG3CLIK6F-eyJsaWNlbnNlSWQiOiJCSUczQ0xJSzZGIiwibGljZW5zZWVOYW1lIjoibGFuIHl1Iiwi 阅读全文

摘要： 目录： 1.生成随机数 假设我们要操作的list如下： >>> import random >>> list1 = ['apple','pen','piple','have','an'] 1.1 随机选取某个字符串 >>> random.choice(list1) 'piple' >>> rando 阅读全文

摘要： 目录 1.卷积神经网络的由来 在图像处理中，往往把图像表示为像素的向量，比如一个1000×1000的图像，可以表示为一个1000000的向量。在神经网络中，如果隐含层神经元数目与输入层一样，即也是1000000时，那么输入层到隐含层的参数数据为1000000×1000000=10^12，这样就太多了 阅读全文

摘要： 1.什么是超参数 所谓超参数，就是机器学习模型里面的框架参数。比如聚类方法里面类的个数，或者话题模型里面话题的个数等等，都称为超参数。它们跟训练过程中学习的参数（权重）是不一样的，通常是手工设定的，经过不断试错来调整，或者对一系列穷举出来的参数组合一通枚举（叫做网格搜索）。深度学习和神经网络模型，有 阅读全文

摘要： 1.神经网络的起源 在传统的编程方法中，我们通常会告诉计算机该做什么，并且将一个大问题分解为许多小的、精确的、计算机可以轻松执行的任务。相反，在神经网络中，我们不告诉计算机如何解决问题，而是让计算机从观测数据中学习，自己找出解决方法。 自动从数据中学习听起来不错，然而，2006年之前我们都仍然不清楚 阅读全文

摘要： 一. 首先贴出本人在网络上找到与VMware网络连接相关的知识点 安装完虚拟机后，默认安装了两个虚拟网卡，VMnet1和VMnet8，其他的未安装（当然也可以手动安装其他的）。其中VMnet1是host网卡，用于host方式连接网络的。VMnet8是NAT网卡，用于NAT方式连接网络的。它们的IP地 阅读全文