上一页 1 2 3 4 5 6 7 8 ··· 69 下一页
摘要: ​ HTML(HyperText Markup Language,中文:超文本标记语言)是一种用于创建网页结构和内容的标记语言。它由一系列标签组成,这些标签描述了网页中的各个元素和其它相关信息。通过使用HTML标签和属性,开发人员可以定义文本、图像、链接、表格、表单等元素,并控制它们的外观和行为。本 阅读全文
posted @ 2024-03-27 21:20 leviliang 阅读(21) 评论(0) 推荐(0) 编辑
摘要: ​ 隐马尔可夫模型(Hidden Markov Model, HMM)是一个强大的工具,用于模拟具有隐藏状态的时间序列数据。HMM广泛应用于多个领域,如语音识别、自然语言处理和生物信息学等。在处理HMM时,主要集中于三个经典问题:评估问题、解码问题和学习问题。三个问题构成了使用隐马尔可夫模型时的基础 阅读全文
posted @ 2024-03-19 22:50 leviliang 阅读(80) 评论(0) 推荐(0) 编辑
摘要: ​ ↵ Linux系统上安装和配置Java JDK 11可以通过多种方式完成,包括使用包管理器(如apt-get或yum,取决于Linux发行版)或手动安装。Linux发行版的包管理器没有提供Java JDK 11,或者需要更精细的安装控制,可以手动下载并安装JDK。 参考文档:Java JDK11 阅读全文
posted @ 2024-02-28 21:22 leviliang 阅读(656) 评论(0) 推荐(0) 编辑
摘要: ​ Python机器学习中,决策树是一种常用的分类和回归模型。决策树可以处理数值型特征和类别型特征。对于文本特征,决策树通常使用词袋模型 (BOW) 或 TF-IDF 模型进行处理。在处理文本特征时,决策树(和机器学习算法通常)不能直接处理原始文本。文本必须首先转换成算法能理解的数值形式。 参考文档 阅读全文
posted @ 2024-02-28 21:16 leviliang 阅读(67) 评论(0) 推荐(0) 编辑
摘要: ​ Python 机器学习中,特别是在决策树算法的应用中,处理类别型特征是一个非常重要的步骤。类别型特征(也称为分类变量)是指那些取值为固定几个类别的特征,例如性别(男/女)、颜色(红/蓝/绿)等。相对于数值型特征,类别型特征不能直接用于大多数机器学习模型的数学计算,因此需要通过某些方法转换成模型能 阅读全文
posted @ 2024-02-27 22:14 leviliang 阅读(110) 评论(0) 推荐(0) 编辑
摘要: ​ NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。numpy.zeros 函数用于创建一个指定形状(shape)和数据类型(dty 阅读全文
posted @ 2024-02-27 22:08 leviliang 阅读(110) 评论(0) 推荐(0) 编辑
摘要: ​ Python 机器学习中,特征提取是将原始数据转换为能够被模型有效利用的格式的过程。对于决策树模型而言,特征提取尤其重要,因为好的特征可以显著提升模型的预测性能。在实际应用中,需要根据具体情况选择合适的特征提取方法。数值型特征是机器学习中常见的一种特征类型,它指的是可以表示为数字的特征。特别是在 阅读全文
posted @ 2024-02-26 23:15 leviliang 阅读(90) 评论(0) 推荐(0) 编辑
摘要: ​ NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下NumPy中full方法的使用。 参考文档:Python num 阅读全文
posted @ 2024-02-26 23:04 leviliang 阅读(89) 评论(0) 推荐(0) 编辑
摘要: ​ Java Development Kit (JDK) 11,是Java平台的一个主要升级版,属于长期支持(LTS)版本,由Oracle公司于2018年9月发布。作为一个LTS版本,JDK 11将会得到长期的支持和更新,这使得它适用于那些寻求稳定性和长期支持的企业和应用程序。JDK 11的发布标志 阅读全文
posted @ 2024-02-25 19:41 leviliang 阅读(1143) 评论(0) 推荐(0) 编辑
摘要: ​ Python 机器学习中,CART(Classification And Regression Trees)算法用于构建决策树,用于分类和回归任务。剪枝(Pruning)是一种避免决策树过拟合的技术,通过减少树的大小来提高模型的泛化能力。CART剪枝分为预剪枝和后剪枝两种主要方式。 参考文档:P 阅读全文
posted @ 2024-02-25 19:34 leviliang 阅读(142) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 ··· 69 下一页