簡(jiǎn)書是國(guó)內(nèi)最優(yōu)質(zhì)的創(chuàng)作社區(qū)援奢。 在這里风宁，你可以隨手記錄自己的生活，與朋友們分享圖片、文字或是圖文并茂的文章。我們相信，每個(gè)人都是生活中的藝術(shù)家命贴，有著無(wú)窮的創(chuàng)造力。作為國(guó)內(nèi)首屈一...
發(fā)簡(jiǎn)信
IP屬地：北京
-
你好乌昔，簡(jiǎn)書
-
平平淡淡才是真<br>順其自然就好<br>一切都是最好的安排
-
-
阿里巴巴程序員常用的 15 款開發(fā)者工具從人工到自動(dòng)化葬项，從重復(fù)到創(chuàng)新泞当，技術(shù)演進(jìn)的歷程中，伴隨著開發(fā)者工具類產(chǎn)品的發(fā)展民珍。 阿里巴巴將自身在各類業(yè)務(wù)場(chǎng)景下的技術(shù)積淀襟士，通過開源、云上實(shí)現(xiàn)或工具等形式對(duì)外開放嚷量，本文將精選了...
-
4.9 更多關(guān)于k近鄰算法的思考
4.9 更多關(guān)于k近鄰算法的思考 K近鄰算法是解決分類問題陋桂，天然可以解決多分類問題。不僅如此蝶溶，思想簡(jiǎn)單嗜历，效果強(qiáng)大。使用Ｋ近鄰算法還可以解決回歸問題抖所。比如預(yù)測(cè)下一個(gè)學(xué)生考試的分...
-
4.8 scikit-learn中的Scaler
4.8 scikit-learn中的Scaler 上節(jié)講了數(shù)據(jù)歸一化梨州，但是真正用到機(jī)器學(xué)習(xí)算法中的時(shí)候，一個(gè)注意事項(xiàng)就是田轧，之前將原始數(shù)據(jù)集拆分成訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集暴匠，如果我...
-
4.6 網(wǎng)格搜索與k近鄰算法中更多的超參數(shù)
4.6網(wǎng)格搜索與k近鄰算法中更多的超參數(shù) 關(guān)于網(wǎng)格搜索，sklearn為我們提供了一個(gè)方法涯鲁，叫Grid Search在使用它之前巷查，我們首先要定義搜索的參數(shù)。 對(duì)于我們要進(jìn)行搜...
-
4.7 數(shù)據(jù)歸一化
數(shù)據(jù)歸一化 Feature Scaling 首先我們開看一下為什么要進(jìn)行數(shù)據(jù)歸一化抹腿。我們使用前邊說(shuō)道的腫瘤的例子： 那么這兩個(gè)樣本的距離是多少呢？如果使用歐拉距離的話旭寿，就是在...
-
4.5 超參數(shù)
4.5 超參數(shù) 超參數(shù)就是指在運(yùn)行機(jī)器學(xué)習(xí)算法之前警绩，需要指定的參數(shù)。 模型參數(shù)：算法過程中學(xué)習(xí)的參數(shù)盅称。 KNN算法沒有模型參數(shù)肩祥，k是典型的超參數(shù)。 調(diào)參一般說(shuō)的就是超參數(shù) 如...
-
4.1 K近鄰算法
4.1 K近鄰算法 思想極度簡(jiǎn)單 應(yīng)用數(shù)學(xué)知識(shí)少 可以解釋機(jī)器學(xué)習(xí)算法使用過程中的很多細(xì)節(jié)問題 更完整的刻畫機(jī)器學(xué)習(xí)的應(yīng)用流程 ??Ｋ近鄰算法的本質(zhì)其實(shí)是認(rèn)為兩個(gè)樣本如果足夠...
-
3.9 Numpy中的比較和Fancy Indexing
3.9 Numpy中的比較和Fancy Indexing Fancy Indexing 運(yùn)行結(jié)果為：array([ 0, 1, 2, 3, 4, 5, 6, 7...
-
springboot + redis + 注解 + 攔截器 實(shí)現(xiàn)接口冪等性校驗(yàn)一缩膝、概念 冪等性, 通俗的說(shuō)就是一個(gè)接口, 多次發(fā)起同一個(gè)請(qǐng)求, 必須保證操作只能執(zhí)行一次比如: 訂單接口, 不能多次創(chuàng)建訂單 支付接口, 重復(fù)支付同一筆訂單只能扣一次錢 支...
-
4.2 scikit-learn中的機(jī)器學(xué)習(xí)算法的封裝4.2 scikit-learn中的機(jī)器學(xué)習(xí)算法的封裝 新建文件夾myscript,創(chuàng)建KNN.py 在jupyter中調(diào)用封裝好的knn方法混狠，我們可以看到運(yùn)行結(jié)果和上一小節(jié)...
-
4.3訓(xùn)練數(shù)據(jù)集、測(cè)試數(shù)據(jù)集4.3訓(xùn)練數(shù)據(jù)集疾层、測(cè)試數(shù)據(jù)集 1.判斷機(jī)器學(xué)習(xí)算法的性能 測(cè)試我們的算法 train_test_split 將原始數(shù)據(jù)集拆分成兩部分将饺，一部分是訓(xùn)練數(shù)據(jù)集，一部分是測(cè)試數(shù)據(jù)集。...
-
4.4 分類準(zhǔn)確度accuracy
4.4 分類準(zhǔn)確度accuracy 下面我們對(duì)對(duì)比精確度這個(gè)方法進(jìn)行封裝予弧，新建文件metrics.py 然后我們調(diào)用自己封裝的度量函數(shù) 有些時(shí)候可能用戶只想知道預(yù)測(cè)的準(zhǔn)確率而...
-
2019-06-27-4.5 超參數(shù)4.5 超參數(shù) 超參數(shù)就是指在運(yùn)行機(jī)器學(xué)習(xí)算法之前刮吧，需要指定的參數(shù)。 模型參數(shù)：算法過程中學(xué)習(xí)的參數(shù)掖蛤。 KNN算法沒有模型參數(shù)杀捻，k是典型的超參數(shù)。 調(diào)參一般說(shuō)的就是超參數(shù) 如...
-
-
