摘要：
分类 含义：标识对象的所属类别 类别：监督学习 算法：SVM、KNN、随机森林、决策树、贝叶斯 回归 含义：预测与对象关联的连续值属性 类别：监督学习 算法：SVR、KNN、随机森林、随机梯度下降、多项式回归、logistic回归 聚类 含义：自动将相似对象归为一组 类别：无监督学习 算法：K-均值 阅读全文
摘要：
本质：字典和 json字符串 相互转换 json.dumps将一个Python数据结构转换为JSON import json data = { 'name' : 'myname', 'age' : 100, } json_str = json.dumps(data) 生成 json数据 import 阅读全文
摘要：
https://blog.csdn.net/shifengboy/article/details/114274271 1.安装flask pip install flask 2.简单上手 一个最小的 Flask 应用如下: from flask import Flask app = Flask(__ 阅读全文
摘要：
列翻转：data.iloc[:, ::-1]行翻转：data.iloc[::-1] 阅读全文
摘要：
聚类（clustering） 无监督学习的结果。聚类的结果将产生一组集合，集合中的对象与同集合中的对象彼此相似，与其他集合中的对象相异。 没有标准参考的学生给书本分的类别，表示自己认为这些书可能是同一类别的（具体什么类别不知道，没有标签和目标，即不是判断书的好坏（目标，标签），只能凭借特征而分类）。 阅读全文
摘要：
from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(n_estimators=2, max_depth=2, random_state=1) rf.fit(x_train, y_train) 阅读全文
摘要：
https://blog.csdn.net/qq_42818403/article/details/123632502?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EC 阅读全文
摘要：
https://blog.csdn.net/weixin_43776305/article/details/116895875 集成学习 集成学习有两个主要的问题需要解决，第一是如何得到若干个个体学习器，第二是如何选择一种结合策略，将这些个体学习器集合成一个强学习器。 集成算法会考虑多个评估器的建模 阅读全文
摘要：
https://cloud.tencent.com/developer/article/1819247 决策树三大流行算法ID3、C4.5和CART 3个算法的主要区别在于度量信息方法、选择节点特征还有分支数量的不同。 ID3：采用熵（entropy）来度量信息不确定度，选择“信息增益”最大的作为节 阅读全文
摘要：
1. 数据输入 pytorch 中计计算交叉熵损失函数时， 输入的正确 label 不能是 one-hot 格式。函数内部会自己处理成 one hot 格式。所以不需要输入 [ 0 0 0 0 1]，只需要输入 4 就行。 在经过 loss 的时候，CrossEntropyLoss 会自动为其编码为 阅读全文