摘要：
参考链接：https://www.cnblogs.com/hongwest/p/7298257.html 到MongoDB官网下载对应版本的安装包: https://www.mongodb.com/download-center?jmp=nav#community 一路next之后安装完成，重点是接 阅读全文
摘要：
题目一：给出一个n,代表有从1到n的数字[1,2,3,··· n]，问可以构成多少种二叉搜索树？ 一开始的想法是直接递归构造，时间复杂度是指数上升；后来想法是找规律：先看例子： n = 1, 有一个元素,可以构成一个二叉搜索树,左右都没有元素，总数量 = 左子树数量 右子树数量，记为f(1) = f 阅读全文
摘要：
机器学习的本质是建立优化模型，通过优化方法，不断迭代参数向量，找到使目标函数最优的参数向量。最终建立模型 通常用到的优化方法：梯度下降方法、牛顿法、拟牛顿法等。这些优化方法的本质就是在更新参数。 一、梯度下降法 0、梯度下降的思想 · 通过搜索方向和步长来对参数进行更新。其中搜索方向是目标函数在当前 阅读全文
摘要：
https://blog.csdn.net/jinping_shi/article/details/52433975 https://blog.csdn.net/zouxy09/article/details/24971995 一、概括： L1和L2是正则化项，又叫做罚项，是为了限制模型的参数，防止 阅读全文
摘要：
一、常见的损失函数： 损失函数一般用来衡量预测值和真实值之间的不一致程度。是一个非负值，通常用L(y,f(x))来表示。 1.0-1损失函数： 预测结果和真实结果一致，则为0，不一致则为1. 2.绝对值损失函数： 真实值和预测值差的绝对值。 3.平方损失函数： 4.指数损失函数： 5.对数损失函数： 阅读全文
摘要：
解决样本不均衡的问题很多，主流的几个如下： 1.样本的过采样和欠采样。 2..使用多个分类器进行分类。 3.将二分类问题转换成其他问题。 4.改变正负类别样本在模型中的权重。 一、样本的过采样和欠采样。 1.过采样：将稀有类别的样本进行复制，通过增加此稀有类样本的数量来平衡数据集。该方法适用于数据量 阅读全文
摘要：
局部加权线性回归(Locally weighted linear regression) 在线性回归中，特征选择不当时可能会造成过拟合和欠拟合。为了解决这个问题，引入局部加权回归，避免了线性回归中特征的选择，利用预测值周围的局部数据进行线性拟合。 首先我们来看一个线性回归的问题，在下面的例子中，我们 阅读全文
摘要：
一.安装前提： 1.java环境（jdk1.8） 2.scala环境（2.0） 3.python 环境（3.5） ：注如果使用pyspark的话，这个才是必须的。 二、spark安装 在官网下载安装包：http://spark.apache.org/downloads.html 创建并进入目录：/u 阅读全文
摘要：
一。文件下载 1.sklearn 需要在 numpy+mkl 安装之后和scipy 安装之后才可以安装。 2.scipy 在numpy+mkl安装之后才可以安装。 因此，三个软件的安装顺序是：numpy+mkl scipy sklearn 3.安装的三个文件的版本非常非常重要。版本不匹配会导致失败。 阅读全文
摘要：
1.下载： 下载地址是：https://pypi.python.org/pypi/pip#downloads 2.安装： 下载完成之后，解压到一个文件夹，用CMD控制台进入刚才的解压目录，输入：python setup.py install 安装完成之后，输入pip list ，不成功。因为我们还没 阅读全文