原创 Python:使用cvxpy包實現SVM二分類(可以運行通)
解決了別人代碼裏面的一個問題, 對y進行了np.reshape,完美運行! ''' 代碼可以運行的通 ''' import numpy as np import cvxpy as cp import matplotlib.pyplot
原创 Python:使用cvxpy求解線性迴歸問題
優化分體爲殘差平方和最小,這是一個凸優化問題,使用cvxpy,過程過於簡單。 ##------數據生成部分----------## seed = 101 X = np.random.uniform(low=1.0
原创 Python:批量梯度下降實現一元線性迴歸
# _*_ coding : utf-8 _*_ import numpy as np import pandas as pd import matplotlib.pyplot as plt class LinearRegressi
原创 Python:行數據整形爲列數組
X = np.linspace(2,10,20)#.reshape(-1,1) # print(X) print(np.vstack(X)) 兩種方法,看懂了麼?
原创 Python:獲取K-Means中心點最近的樣本
import numpy as np import pandas as pd from sklearn import datasets as DS import matplotlib.pyplot as plt def euclid
原创 Python:密度峯值聚類DPCA,分裂兩簇(版本:1)
import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from scipy.spatial.distance import pdi
原创 關於什麼是大數據智能決策!摘自《大數據智能決策》自動化學報
從本質上來講,決策是決策者對決策對象或決策方案的一種分析對比和選擇的過程,並最終對決策對象或決策方案進行分類、分級或排序。數據驅動的決策是決策者通過對與決策對象有關的數據進行分析,挖掘數據中隱含的有關決策對象之間的偏好關係的信
原创 Python:手寫10折交叉驗證 分離數據集爲training set 和 testing set 的步驟
import numpy as np n = 23 CV = 10 testNum = int(np.floor(n / CV)) tempCake = [i for i in range(n)] for i in range(CV)
原创 Python:密度峯值聚類DPCA,分裂兩簇(版本:2)
import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from scipy.spatial.distance import pdi
原创 Python:Hierarchical Sampling for Active Learning 2008年 ICML上的文章
from __future__ import absolute_import from __future__ import division from __future__ import print_function import n
原创 Python:類別覆蓋最小採樣個數
import numpy as np import scipy.io as scio import pandas as pd import matplotlib.pyplot as plt from sklearn import dat
原创 AliPy:一個小的使用案例
import numpy as np from sklearn.datasets import load_iris from alipy import ToolBox X,y = load_iris(return_X_y=True)
原创 Python:正宗的密度峯值聚類
import numpy as np import pandas as pd import matplotlib.pyplot as plt from scipy.spatial.distance import pdist,square
原创 Python:HSAL
from __future__ import absolute_import from __future__ import division from __future__ import print_function import n
原创 Python:將MNIST數據PCA降維到87維,並另存爲arff格式
import numpy as np import copy import pandas as pd from sklearn import datasets from sklearn.decomposition import PCA