计算机科学与技术2018 (西南石油大学)

  • 逻辑回归---梯度下降法

    前言: 线性关系主要解决一类事物的特点,而逻辑回归注重于解决分类问题,试图寻找多种事物的边界所在,因此掌握逻辑回归是十分必要的! 正文: 执行效果如下: 打印出来的data格式如下: 训练后的权值如下: 图片展示如下: 三种率运算如下: 总结: 可以看出工作量很高,检查很频繁,容易报错,尤其要求对参
    超级无敌57   2020-02-25 09:50   0   342
  • 学习日记(2.22-2.21 K-MEANS)

    K means算法 K means算法简介 k均值聚类算法(k means clustering algorithm)是一种迭代求解的聚类分析算法,其步骤是,预将数据分为K组,则随机选取K个对象作为初始的聚类中心,然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚
    那我先走了   2020-02-24 19:51   0   211
  • 2.Http基础

    文章目录 HTTP协议概念Http请求请求方式请求行请求头请求体请求发送方式 Http响应状态码常用其他 响应行响应头常...
    pony.ma   2020-02-23 22:35   0   14
  • 1.客户端与服务器

    C/S与B/S 客户端:当我们使用手机或者电脑通过网络去访问网络资源时,此时我们这一端就叫做客户端。也就是发起访问的一方即为客户端。...
    pony.ma   2020-02-23 22:31   0   17
  • 学习日记(2.21集成学习)

    集成学习 Ensemble Learning 集成学习简介: 用通俗易懂的话来解释集成学习,我们可以理解为就是开会。会议目的就是综合参加会议所有人的提议,拟定出一个最佳的方案。同样我们也可以这么说,就是把各个模型进行二次结合,找到一个最符合实际情况的数据集,有些模型出现过拟合,欠拟合的情况用集成学习
    那我先走了   2020-02-21 18:54   0   210
  • 线回与非线回---线性回归标准方程法

    前言: 解决线性回归问题不仅可以使用梯度下降法,还可以使用标准方程法,今天我将尝试用标准方程法来解决问题 正文: 图片展示: 图片显示如下: 可以看到x_data修改后的格式 结果如下: 总结: 通过标准方程法同样可以解决问题,且较为简单,但对于多参数问题,则梯度下降法比较合适!
    超级无敌57   2020-02-21 16:45   0   359
  • 线回与非线回---sklearn--多项式回归

    前言: 有些生活中的问题也许符合一元或多元线性回归的标准,但还有很多问题无法用一条直线来解决,需要使用样式更多更复杂的曲线来说明问题,因此今天我将要解决多项式的问题。 正文: 图片展示如下: 可以看出这个图片属于曲线类型,如果用直线来表示,效果一定不好! 展示一下直线的效果: 可以发现直线的效果很差
    超级无敌57   2020-02-21 11:51   0   200
  • 线回与非线回---sklearn--多元线性回归

    前言: 前面用自写函数解决了多元问题,现在用sklearn库来解决多元线性问题 正文: 数据图片: 切分后的数据: 测试结果如下: 总结: 效果还是不错的,而且这个图可以移动,方便查看!
    超级无敌57   2020-02-21 10:51   0   1004
  • 学习日记(2.20 决策树)

    决策树 决策树简介 决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测
    那我先走了   2020-02-20 13:53   0   211
  • 线回与非线回---梯度下降法--多元线性回归

    前言: 这次我来使用梯度下降法来解决多元线性回归问题,实际问题中每个事物都带有很多属性,一个参数往往只出现于理想情况,因此解决多元问题是很重要的。 正文: 数据展示如下: 数据切分情况,看得出来成功切成了两部分: 更新后的参数值: 图片展示如下: 总结: 这次有两个问题没有很明白,一个是add_su
    超级无敌57   2020-02-20 12:59   0   252