python挖掘 - 博客园

2016年7月25日

摘要：谱聚类（Spectral Clustering,SC）是一种基于图论的聚类方法，将带权无向图划分为两个或两个以上的最优子图，使子图内部尽量相似，而子图间距离尽量远。能够识别任意形状的样本空间且收敛于全局最优解，基本思想是利用样本数据的相似矩阵（拉普拉斯矩阵）进行特征分解后得到的特征向量进行聚类。对阅读全文

posted @ 2016-07-25 19:28 python挖掘阅读(598) 评论(0) 推荐(0) 编辑

分类算法

摘要：持续学习完善中~ 分类模型的构造方法有：决策树，关联规则，贝叶斯，神经网络，规则学习，k－临近法，遗传算法，粗糙集以及模糊逻辑技术。朴素贝叶斯利用概率统计知识进行分类的算法最大化后验概率P(Ci|X)可转化为最大化先验概率P(X|Ci)P(Ci) 前提是各属性之间互相独立逻辑回归决策树SV 阅读全文

posted @ 2016-07-25 11:49 python挖掘阅读(315) 评论(0) 推荐(0) 编辑

2016年7月24日

Implementing EM for Gaussian mixtures

摘要：完成任务时遇到的相关知识点： http://docs.scipy.org/doc/numpy/reference/generated/numpy.random.multivariate_normal.html 服从多元正态分布的随机样本参数：均值mean 方差cov http://docs.sc 阅读全文

posted @ 2016-07-24 15:48 python挖掘阅读(208) 评论(0) 推荐(0) 编辑

2016年7月20日

0-1背包问题1

摘要：鼓捣好久终于了然了一些 0-1背包问题描述有一个窃贼在偷窃一家商店时发现有n件物品，第i件物品价值为vi元，重量为wi，假设vi和wi都为整数。他希望带走的东西越值钱越好，但他的背包中之多只能装下W磅的东西，W为一整数。他应该带走哪几样东西？【注】0-1背包问题中：每件物品或被带走，或被留下，阅读全文

posted @ 2016-07-20 18:43 python挖掘阅读(398) 评论(0) 推荐(0) 编辑

2016年7月10日

ML_推荐系统与降维

摘要： Learning Outcomes: By the end of this course, you will be able to: -Create a collaborative filtering system. 构建一个协调过滤系统 -Reduce dimensionality of data 阅读全文

posted @ 2016-07-10 14:55 python挖掘阅读(405) 评论(0) 推荐(0) 编辑

Machine Learning: Clustering & Retrieval机器学习之聚类和信息检索(框架)

摘要： Learning Outcomes: By the end of this course, you will be able to:（通过本章的学习，你将掌握） -Create a document retrieval system using k-nearest neighbors.用K近邻构建文阅读全文

posted @ 2016-07-10 14:32 python挖掘阅读(505) 评论(0) 推荐(0) 编辑

2016年7月9日

Linux命令

摘要： sudo init 3 关闭图形化界面(init 5) pwd 输出工作目录 clear清空屏幕 cd 改变工作目录 cp复制文件 rm删除文件 mv移动文件或重命名文件 echo显示特定内容 ctrl + r 历史输入命令重现 ctrl + a = home ctrl + c 强制终止 ln -s 阅读全文

posted @ 2016-07-09 15:41 python挖掘阅读(119) 评论(0) 推荐(0) 编辑

Udacity_机器学习

摘要：有多条线可以降低绝对误差，但只有一条线可以降低平方误差和 Sum of Squared Errors (SSE) 监督学习决策树（ID3算法、信息熵[父节点的信息熵=1]、信息增益）计算信息熵分类和回归准确率的缺陷：对于偏斜类（有很多样本点，但属于该类别的数目特别少）绝不错杀一个宁可天阅读全文

posted @ 2016-07-09 15:31 python挖掘阅读(208) 评论(0) 推荐(0) 编辑

复杂网络(北师大_樊瑛)

该文被密码保护。阅读全文

posted @ 2016-07-09 15:29 python挖掘阅读(2) 评论(0) 推荐(0) 编辑

编码规范

摘要：阅读全文

posted @ 2016-07-09 13:09 python挖掘阅读(112) 评论(0) 推荐(0) 编辑

come_on

公告