山上有风景

摘要： 一：建立一个逻辑回归模型来预测一个学生是否被大学录取。 假设你是一个大学系的管理员，你想根据两次考试的结果来决定每个申请人的录取机会。 你有以前的申请人的历史数据，你可以用它作为逻辑回归的训练集。 对于每一个培训例子，你有两个考试的申请人的分数和录取决定。 为了做到这一点，我们将建立一个分类模型，根 阅读全文

摘要： 到现在为止，我们已经学习了几种不同的学习算法，包括线性回归和逻辑回归，它们能够有效地解决许多问题，但是当将它们应用到某些特定的机器学习应用时，会遇到过拟合(over-fitting)的问题，可能会导致它们效果很差。 一：过度拟合问题 （一）线性回归中的过拟合问题 继续使用线性回归来预测房价的例子，我 阅读全文

摘要： 一：分类 （一）分类基础 在分类问题中，你要预测的变量y是离散的值，我们将学习一种叫做逻辑回归 (Logistic Regression) 的算法，这是目前最流行使用最广泛的一种学习算法。 在分类问题中，我们尝试预测的是结果是否属于某一个类（例如正确或错误）。分类问题的例子有：判断一封电子邮件是否是 阅读全文

摘要： 补充：特征归一化，意义、方法、使用场景 一：单变量线性回归 （一）导入需要使用的包 import numpy as np import pandas as pd import matplotlib.pyplot as plt （二）导入数据集 注意：一定要将数据文件放在和程序同一个文件夹中，否则要使 阅读全文

摘要： 一：多维特征 目前为止，我们探讨了单变量/特征的回归模型，现在我们对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为(X_1,X_2,...,X_n) 每一行都是一个训练集样本。 二：多元梯度下降法 与单变量线性回归类似，在多变量线性回归中，我们也构建一个代价函数 阅读全文

摘要： 一：线性回归（了解监督学习过程） （一）概念 线性回归，首先要介绍一下机器学习中的两个常见的问题：回归任务和分类任务。那什么是回归任务和分类任务呢？简单的来说，在监督学习中（也就是有标签的数据中），标签值为连续值时是回归任务，标签值是离散值时是分类任务。 线性回归模型就是处理回归任务的最基础的模型。 阅读全文

摘要： 一：机器学习定义 一个程序被认为能够从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了P的评判后，程序在处理T时的性能有所提升。 举例：下棋游戏中，经验e就是程序上万次的自我练习的经验，而任务t就是下棋。性能度量值p就是与新的对手比赛时赢的比赛的概率。 二：监督学习与非监督学习 （一）监督 阅读全文

摘要： 一：Numpy库 https://blog.csdn.net/yxjsmile/article/details/104519982 二：Pandas库 https://blog.csdn.net/qq_34430163/article/details/104855802 三：Matplotlib库 阅读全文

摘要： scikit-learn 库是当今最流行的机器学习算法库之一，可用来解决分类与回归问题 一：数据集的预处理 本章以鸢尾花数据集（公开数据集）为例，简单了解八大传统机器学习分类算法的sk-learn实现 （一）数据集的下载 import seaborn as sns #从seaborn库中下载数据集 阅读全文

摘要： 我们经常说的：当我们不下发流表项时，ovs默认是工作在二层网络下的二层交换机。而实际上并非如此！！！ 如果SDN网络中没有流表项，整个网络是无法进行通讯的！！！ 我们可以通过以下方式下发流表项： 1. 手动下发流表项，使得网络可以工作在二层网络下。此时OVS功能如同二层交换机 2. 配置外部（min 阅读全文