原创 幾個常用機器學習算法 - 隱馬爾可夫模型

1先引入一個知乎上看到的例子:假設你的手中有三個不同的骰子。 第一個是我們平常都能見到的骰子(稱其爲D6),6個面,每個面(1,2,3,4,5,6)出現的概率是1/6; 第二個有4個面(稱其爲D4),每個面(1,2,3,4)出現的概率是1

原创 n種排序

1 算法複雜度算法複雜度分爲時間複雜度和空間複雜度。其中, 時間複雜度是指執行算法所需要的計算工作量;而空間複雜度是指執行這個算法所需要的內存空間。算法的複雜性體現在運行該算法時的計算機所需資源的多少上,計算機資源最重要的是時間和空間資源

原创 String_StringBuffer_StringBuilder

String:       長度和內容是不可變的      是非線程安全的 StringBuffer:      長度和內容是可變的     是線程安全的,效率低 StringBuilder:      長度和內內容是可變的     是非

原创 java類繼承多態等知識點

封裝 繼承 多態:      封裝:            用private修飾的成員變量可以看做是進行了封裝     繼承:           可以繼承類,抽線類  接口           單繼承,多實現接口          子類

原创 MySql密碼忘掉登陸方式

親測有效: MySQl密碼忘掉登陸方式:    1:以管理員權限登陸cmd,停止mysql           cmd->net stop mysql    2:  使用無驗證的方式登陸,mysqld --skip-grant-table

原创 xgboost算法原理

1、xgboost是什麼全稱:eXtreme Gradient Boosting 作者:陳天奇(華盛頓大學博士) 基礎:GBDT 所屬:boosting迭代型、樹類算法。 適用範圍:分類、迴歸 優點:速度快、效果好、能處理大規模數據、支持

原创 re.match search findall

import re string = 'dfkv ddjv dchsk fafchiruc jrjkv dchsk' print(re.match('fa',string)) #開頭開始匹配,開頭匹配到就返回,開頭沒有就返回None

原创 圖片式驗證碼

import random import string from PIL import Image,ImageDraw,ImageFilter,ImageFont #隨機初始化每個像素的顏色 def random_color():

原创 矩陣.A

y = mat([1,2,5,6]) y1 = mat([4,8,7,5]) def rssError(y_label,y_pred): return sqrt(sum(pow(y_label - y_pred,2)))#對於矩

原创 線性迴歸

原创 列表索引越界or空

data = [1,8,5,9,7,4,5] print(data[10:]) #返回空 print(data[10]) #出錯,越界

原创 機器學習十大算法---10. 馬爾科夫

3.生成模式(Generating Patterns)3.1、確定性模式(Deterministic Patterns):確定性系統  考慮一套交通信號燈,燈的顏色變化序列依次是紅色-紅色/黃色-綠色-黃色-紅色。這個序列可以作爲一個狀態

原创 簡單易學的機器學習算法——馬爾可夫鏈蒙特卡羅方法MCMC

import random from scipy.stats import norm import matplotlib.pyplot as plt def cauchy(theta): y = 1.0/(1.0 + theta

原创 幾種複製的區別

#1:賦值型 指向了同一個 存儲的位置就是那一個 data = [1,4,5,4,5,89,6,5,4,5,2,5,6] new_data = data data.pop() print(data) print(new_data) pr

原创 nonzeros解析與實例

from numpy import * data = [[1,2,5,6], [4,8,5,9], [8,7,4,2], [6,8,4,9], [8,2,1,6],