nolonely

2017年2月23日

摘要：数据降维的目的:数据降维，直观地好处是维度降低了，便于计算和可视化，其更深层次的意义在于有效信息的提取综合及无用信息的摈弃。数据降维的好处：降维可以方便数据可视化+数据分析+数据压缩+数据提取等。降维方法 __ 属性选择：过滤法；包装法；嵌入法； |_ 映射方法 _线性映射方法：PCA、LDA、阅读全文

posted @ 2017-02-23 19:51 nolonely 阅读(12561) 评论(0) 推荐(0) 编辑

机器学习之特征选择

摘要：特征选择方法初识： 1、为什么要做特征选择在有限的样本数目下，用大量的特征来设计分类器计算开销太大而且分类性能差。2、特征选择的确切含义将高维空间的样本通过映射或者是变换的方式转换到低维空间，达到降维的目的，然后通过特征选取删选掉冗余和不相关的特征来进一步降维。3、特征选取的原则获取尽可能小的特征子阅读全文

posted @ 2017-02-23 19:36 nolonely 阅读(54041) 评论(1) 推荐(4) 编辑

2017年2月22日

浏览器状态码大全

摘要：这些状态代码表示临时的响应。客户端在收到常规响应之前，应准备接收一个或多个 1xx 响应： 100 - 继续。 101 - 切换协议。 2xx - 成功这类状态代码表明服务器成功地接受了客户端请求： 200 - 确定。客户端请求已成功。 201 - 已创建。 202 - 已接受。 203 - 非权阅读全文

posted @ 2017-02-22 18:29 nolonely 阅读(821) 评论(0) 推荐(0) 编辑

2017年2月21日

哈希表

摘要：转自 http://www.cnblogs.com/jiewei915/archive/2010/08/09/1796042.html 哈希表是种数据结构，它可以提供快速的插入操作和查找操作。第一次接触哈希表时，它的优点多得让人难以置信。不论哈希表中有多少数据，插入和删除（有时包括侧除）只需要接近常阅读全文

posted @ 2017-02-21 18:14 nolonely 阅读(255) 评论(0) 推荐(0) 编辑

2017年1月10日

社区发现算法总结（二）

摘要：原文出处 http://blog.csdn.net/aspirinvagrant/article/details/45823329 派系过滤CPM方法(clique percolation method)用于发现重叠社区，派系(clique)是任意两点都相连的顶点的集合，即完全子图。在社区内部节点阅读全文

posted @ 2017-01-10 09:25 nolonely 阅读(14400) 评论(0) 推荐(0) 编辑

2017年1月8日

社区发现算法总结（一）

摘要：在做东西的时候用到了社区发现的算法，因此查找了好多人的文章，发现一个不错的总结，先转载过来原文出处http://blog.csdn.net/aspirinvagrant/article/details/45577033 在社区发现算法中，几乎不可能先确定社区的数目，于是，必须有一种度量的方法，可以阅读全文

posted @ 2017-01-08 18:46 nolonely 阅读(28779) 评论(0) 推荐(0) 编辑

2016年12月23日

聚类篇-------度量

摘要：聚类度量包括性能度量和距离计算，性能度量对数据集D={x1,x2,...,xm},假定通过聚类给出的策划为C={C1,C2,...,Ck},参考模型给出的簇划分为C‘={C'1,C'2,...C'k}，相应的λ和λ‘分别表示C和C’对应的簇标记向量，将样本两两配对考虑，由于每一个样本中仅能出现阅读全文

posted @ 2016-12-23 17:10 nolonely 阅读(1200) 评论(0) 推荐(0) 编辑

K-mean和k-mean++

摘要： (1)k-mean聚类 k-mean聚类比较容易理解就是一个计算距离，找中心点，计算距离，找中心点反复迭代的过程，给定样本集D={x1,x2,...,xm},k均值算法针对聚类所得簇划分C={C1,C2,...,Ck}最小化平方误差 μi表示簇Ci的均值向量，在一定程度上刻画了簇内样本围绕均值向量阅读全文

posted @ 2016-12-23 16:19 nolonely 阅读(818) 评论(0) 推荐(0) 编辑

随机森林

摘要：随机森林=随机+森林森林顾名思义就是很多棵树用来做分类问题，在之前的博客中已经介绍了决策树的构建过程，森林则是这很多棵树的一个集合，主要思路是，每一颗树都有一个投票，考虑这些所有树的投票，选择票数最多的结果作为最终的结果随机就是有很多偶然性，这里的随机包括训练每棵树的数据集是随机的(数据集采用的阅读全文

posted @ 2016-12-23 15:42 nolonely 阅读(549) 评论(0) 推荐(0) 编辑

决策树

摘要：别人的决策树笔记：http://blog.csdn.net/sb19931201/article/details/52491430 决策树是一种最常见的分类模型，决策树是基于树结构来进行决策的，一个决策树的图如下所示决策过程的最终结论对应了我们希望的判定结果。决策树的基本学习算法如下：构建树的阅读全文

posted @ 2016-12-23 10:50 nolonely 阅读(1445) 评论(0) 推荐(0) 编辑

很多时候不是我们做不好，而是没有竭尽全力......