wemo

摘要： 排序算法的稳定性：让原本相等的键值维持的纪录维持相对次序 冒泡排序（BUbble Sort） 从头往后走，每次比较相邻的两个数字，一次循环将最大（最小）的数字放在最后，经过n 1次冒泡完成排序。 冒泡：每次将最大的值往后移到相应的位置（第一次最大，第二次次大，依次往后） 关键代码 for i in 阅读全文

摘要： 功能 两个函数的功能都是将多维数组降为一维。 用法 import numpy as np arr = np.array([[1, 2],[3, 4]]) arr.flatten() arr.ravel() 降维默认行序有限，传入参数‘F’表示列序优先 arr.ravel('F') 区别 ravel（ 阅读全文

摘要：   ![](ht... 阅读全文

摘要： Pandas介绍 导入pandas库 import pandas as pd 读取CSV文件 df = pd.read_csv('file_name') 注意文件路径 读取前几条数据 df.head(num) num默认值是5，可以自己指定 返回当前文件的信息 df.info() df.index 阅读全文

摘要： 基础部分 1、导入numpy模块 import numpy as np 2、查看numpy版本信息 print(np.__version__) numpy的主要对象的多维数组Ndarray。Numpy中维度（dimensions）叫做轴（axis）,轴的个数叫做秩。 3、通过列表创建一位数组 np. 阅读全文

摘要： A( i , : ) 表示 A矩阵的第 i 行所有元素 A( : , j ) 表示 A矩阵的第 j 列所有元素 A( : , : ) 表示 A矩阵的 所有元素 定义函数时，函数中有嵌套函数需要在结束时加end；其他情况可加可不加 length（A）：求矩阵A的所有维度中的最大值 pause(a)表示 阅读全文

摘要： 一、多变量线性回归的技巧之一——特征缩放 1、为什么要使用特征缩放？ 特征缩放用来确保特征值在相似的范围之内。 设想这样一种情况（房价预测），两个特征值分别是房子的大小和卧室的数量。每个特征值所处的范围差别很大，其代价函数 的等高线图如下图所示。图像会又瘦又高，这样才利用梯度下降法时需要经过很长时间 阅读全文

摘要： 一些概念： 向量：向量在矩阵中表示为只有一列的矩阵 n维向量：N行1列的矩阵、 利用矩阵计算可以快速实现多种结果的计算。 如下图，给出四个房子大小的样本，有四个假设函数对房子价格进行预测。构造下面的矩阵计算式子，可以很快每一个房子样本大小对于不同假设函数的预测结果，一共12个结果。第一列表示所有样本 阅读全文

摘要： 监督学习算法工作流程 h代表假设函数，h是一个引导x得到y的函数 如何表示h函数是监督学习的关键问题 线性回归：h函数是一个线性函数 代价函数 在线性回归问题中，常常需要解决最小化问题。代价函数常用平方误差函数来表示 代价函数就是用于找到最优解的目的函数，这也是代价函数的作用 ps：尽可能简化问题去 阅读全文

摘要： 机器学习的定义 计算机程序从经验E中学习，解决某一任务T、进行某一性能度量P，通过P测定在T上的表现因E而提高。 简而言之：程序通过多次执行之后获得学习经验，利用这些经验可以使得程序的输出结果更为理想，就是机器学习。 主要的两类机器学习算法 监督学习和无监督学习 监督学习 定义：对于数据集中的每个样 阅读全文