摘要：
1.random 在python3中，numpy中的一些随机方法 random.random_sample() # 产生0-1之间的随机数 random.rand(3,1) # 产生3行1列的随机数，随机数的大小是0-1 2.min和max A = mat(array([[1,3], [5, 6]] 阅读全文
摘要：
皮尔逊积矩相关系数,又称“相关系数”， 取值范围为[-1,1]，r=0，没有相关性。 -1：表示方向完全相反 1：表示方向相同，并且完全一样 0：表示没有相关性 函数签名： numpy.corrcoef(x, y=None, rowvar=True, bias=<no value>, ddof=<n 阅读全文
摘要：
参考：https://blog.csdn.net/qq_32452623/article/details/78417609 .gitignore的模板：https://github.com/github/gitignore 阅读全文
摘要：
在测试用例中使用print的设置方法 在setting.json中输入一下内容： "python.testing.pytestArgs": [ ".", # 初始值为所有，理论上有了下面的，就不应该有该项目？可以考虑存在和不存在，查看对测试结果的影响 "--capture=no", # 表示控制台可 阅读全文
摘要：
树回归 当回归的数据呈现非线性时，就需要使用树回归。 树回归的基本逻辑 获得最好的切分特征和切分特征值 遍历所有特征 针对某一特征，遍历该特征的所有值 针对某一特征值，进行划分数据，计算出划分数据之后的总方差， 若总方差最小，记下特征和特征值 当遍历完所有特征后，就能够获得最小方差的特征和特征值，并 阅读全文
摘要：
1 代码分析 dataSet[nonzero(dataSet[:,feature] <= value)[0],:][0] 大的方向是取矩阵中的第一行 根据[行:列]获取子矩阵 那么：nonzero(dataSet[:,feature] <= value)[0] 就是行的索引值，而nonzero对矩阵 阅读全文
摘要：
越发感觉，曾经熟悉的技能，慢慢地就会遗忘，很是可惜。所以现在想来来，还是建立良好的书写博客的习惯，很是重要。一方面，以备将来查阅，做到资料中所描述的步骤可重现性，另一方面，也可让其他的小伙伴们查阅，少走弯路。 凡是涉及到技术点的内容，争取一五一十的记录下来，做到有积累可复现。 阅读全文
摘要：
逐步前向线性回归 1.初始化系数为0，即zeros((特征数, 1)) 2.每执行一次迭代，都要遍历每一个特征，针对每一个特征的系数，有两种取值情况，分别是[-1,1]两个方向的sign*step。 这样就确定了两个权重向量，然后将所有的训练样本*权重向量，获得训练样本的预测值； 3.将所有这些预测 阅读全文
摘要：
以下列出了本人是学习线性回归算法时，所掌握的一些编程技巧 1.矩阵相减 matrix A是n*m，B是1*m 则A-B 表示A中的每行中对应列元素都减去B对应的列元素 2.对样本数据标准化处理 mean(A, 0) # 表示对A中的每一列取平均值，最后得到1*m的矩阵 var(A, 0) #表示对A 阅读全文
摘要：
https://www.cnblogs.com/zjfjava/p/10280247.html 阅读全文