摘要：
import pandas as pd #显示所有行(参数设置为None代表显示所有行，也可以自行设置数字) pd.set_option('display.max_columns',None) #显示所有列 pd.set_option('display.max_rows',None) #设置数据的显 阅读全文
摘要：
make_blobs会根据用户指定的特征数量、中心点数量、范围等来生成几类数据，这些数据可用于测试聚类算法的效果。 n_samples是待生成的样本数量，n_features是每个样本的特征数，centers是簇数量，也可以直接指定每个簇的中心点centers=[[-1,1],[1,2],[3,3] 阅读全文
摘要：
https://www.cnblogs.com/zy230530/p/7029025.html k-means算法中的k表示聚类为k个簇，means代表取每一个聚类中数据的均值作为该簇的中心（质心）即用每一个类的质心对该簇进行描述。k-means算法的原理比较简单，但它有缺陷，即其可能收敛到局部最优 阅读全文
摘要：
监督学习：训练集的每一个数据已经有特征和标签，即有输入数据和输出数据，通过学习训练集中输入数据和输出数据的关系，生成合适的函数将输入映射到输出。比如分类、回归。 无监督学习：训练集的每一个数据都只有特征，即只有输入数据，算法需要学习训练集中的特征关系，进行建模，试图使类内差距最小、类间差距最大。比如 阅读全文
摘要：
————————— 阅读全文
摘要：
4.1 不含有特征向量相同但标记不同的冲突数据 and 决策树按照属性特征来划分，相同属性特征的样本最终会进入同一个叶子节点 >- 如果含有特征向量相同但标记不同的冲突数据 >- 必然至少存在一对样本，属性相同而分类不同，即产生了训练误差 >- 不含有特征向量相同但标记不同的冲突数据 4.2 简单的 阅读全文
摘要：
http://archive.ics.uci.edu/ml/index.php 阅读全文
摘要：
3.1 式3.2 $f(x)=\omega ^{T}x+b$ 中，$\omega ^{T}$ 和b有各自的意义，简单来说，$\omega ^{T}$ 决定学习得到模型(直线、平面)的方向，而b则决定截距，当学习得到的模型恰好经过原点时，可以不考虑偏置项b。偏置项b实质上就是体现拟合模型整体上的浮动， 阅读全文
摘要：
梯度下降法 https://www.jianshu.com/p/c7e642877b0e 牛顿法 https://blog.csdn.net/sigai_csdn/article/details/80678812 https://blog.csdn.net/ccnt_2012/article/det 阅读全文