下士闻道

摘要： 分类器的本质是什么？其实就是根据近邻算法来判断是否属于同一个区域范围； 近邻算法的本质是什么？是距离，距离分两种，一种是曼哈顿距离，一阶算法；另外一种是欧式距离，二阶算法； 距离怎么判断？对于监督学习，已经知道了几种分类，那么针对这些分类，距离那个分类（样本）近，就是什么分类。 所以推演到这里离，分类器计算本质其实就是根据特征来计算和已知分类样本的距离，距离那个分类样本更近，就是什么分类。 那么物... 阅读全文

摘要： docker部署，jvvm通过jmx访问失败，只能永远是的jdk自带工具查看情况： jmap -histo pid | sort -n -r -k 2 | head -10 阅读全文

摘要： 1. Springboot+MyBatis+druid 在启动类上面，添加注释@Configuration以及@ImportResource(location={"classpath:config/spring-boot.xml})； 在spring-boot.xml文件中增加PropertyPla 阅读全文

摘要： 在概率中离散分布律是精确到每个点的概率，分布函数则是某个范围的概率；对应的参数估计，有点估计，还有区间估计；觉得概率一直在围绕点和区间来做文章。 分布函数首先他表示的是一个范围的概率；这个和离散变量的分布律有本质差别，因为离散变量是可穷举的，所以很多时候人们关心的某个样本发生的概率； 但是尤其是在连 阅读全文

摘要： 即使安装上了c++ 14.0依然报错；于是放弃安装c++，所谓需要c++只是为了编译，可以下载预编译版本： https://www.lfd.uci.edu/~gohlke/pythonlibs/ 这个网站上面全是已经预编译好的python包（whl文件），可以直接进行安装，比如对于python-le 阅读全文

摘要： 首先要明白主成分并不是指原始的学习数据；其实所有的模型经过fit（X）之后获取的是模型；不要设想学习之后，可以通过模型来获得学习数据，这是没有意义的。 其次要明白成分（components）的概念，是指数据投影（projection）到低维的向量，其实在空间中一个数据模型是可以有多个投影的，但是每个投影的变化程度是不一样的，这个变化程度用下面的公式来计算，sigma是协方差矩阵的意思，数据变化的主... 阅读全文

摘要： 一组数求期望（均值），不是对每个数求均值，而是第一轮是将元素以及重复次数整理出来， 二轮才是将求元素的均值： 如上，可以看到mean的值和arr.mean是一致的。重复的元素其实只是会计算一次。概率中的讲的元素也是特征元素（重复的元素只算一个特征元素）；这是按照概率定义那种方式来计算（元素*概率再求 阅读全文

摘要： PCA在做数据处理，一般会有一个数据预处理，其中一个目标就是将取数据特征向相关性。 为什么要去特征的相关性？ 因为数据如果有相关性，在学习的时候是冗余的，徒增学习成本；所以对于数据处理（也称之为白化，英文有的时候称之为sphering），白化的目的：1.实现特征之间的相关性较低；2.所有的特征具有相同的方差。 怎么去特征相关性，就是让他们的协方差为0，协方差，顾名思义，就是两组变... 阅读全文

摘要： 上图讲述的两组数据，可以看到左图的数据离散度比较大，相关性比较弱，右图数据的相关性比较强；我们在使用PCA的时候，就是要将相关性强的数据进行降维，以减少处理的数据量。 那么怎么描述数据的相关性呢？使用期望，协方差以及相关系数：下面分别是左图和右图的数字特征： 其实其关键性做得是R，R说明了点间的相关性，但是想要知道R你必须要知道Sigma(X)，想要知道Sig... 阅读全文

摘要： python里面是numpy.linalg.norm(X, ord=...., axis=...) norm的涵义是距离；具体的数学含义就是把元素进行某种运算的结果； 距离有几种计算方式： L1：数学含义就是x的绝对值之和，很多时候用于降维； 又称之为曼哈顿距离；如果X是一维数组，求得值是数组中数据累加。 array=np.array([1,2,2]) print(np.linalg.nor... 阅读全文