原创 最正確最全面的滿二叉樹，完全二叉樹，平衡二叉樹，二叉搜索樹（二叉查找樹)
二叉樹： 每個結點不超過2個子樹的樹結構。 滿二叉樹：一個結點要麼是葉子節點，要麼有兩個葉子結點。（國內教程定義：一個二叉樹，如果每一個層的結點數都達到最大值，則這個二叉樹就是滿二叉樹） 完全二叉樹：深度爲h，除h層外，h-1層是滿二叉樹
2019-06-10 21:54:46
原创 準確率、精確率、召回率、F1值、ROC/AUC
https://blog.csdn.net/u013063099/article/details/80964865
2019-05-12 11:45:00
原创 前序遍歷 中序遍歷 後續遍歷 的真正理解
（1）前序遍歷 a、訪問根節點；b、前序遍歷左子樹；c、前序遍歷右子樹。 （2）中序遍歷 a、中序遍歷左子樹；b、訪問根節點；c、中序遍歷右子樹。 （3）後序遍歷 a、後序遍歷左子樹；b、後續遍歷右子樹
2019-05-09 10:28:21
原创 softmax損失函數的求導
可以參考：https://blog.csdn.net/qian99/article/details/78046329 第一篇博客中： 將 定義成： 或者： 將
2019-05-09 10:28:21
原创 線性迴歸
1.假設函數 或者 預測函數： 在一維特徵空間，線性迴歸是通過學習一條直線 ，使得這條直線儘可能擬合所有已有的看到的點y，並且希望看到的（數據）也儘可能落落在這條線上（泛化能力），是預測值，y是實際值。
2019-05-07 08:51:55
原创 python中np.multiply（）、np.dot（）和星號（*）三種乘法運算的區別
https://blog.csdn.net/zenghaitao0128/article/details/78715140
2019-05-07 08:51:55
原创 K-mean
k-均值是發現給定數據集的k個簇的算法。簇個數k是用戶給定的，每一個簇通過其質心，即簇中所有的中心來描述。 K-均值算法的工作流程是這樣子的：首先，隨機確定k個初始點作爲質心。然後將數據集中的每個點分配到一個簇中，具體來講，爲每個點找距其
2019-05-06 07:39:42
原创 K近鄰算法
knn（k_nearest neighbor）是一種基本的分類與迴歸方法。KNN做分類預測時，一般是選擇多數表決法，即訓練集裏和預測的樣本特徵最近的K個樣本，預測爲裏面有最多類別數的類別。而KNN做迴歸時，一般是選擇平均法，即最近的K個樣
2019-05-06 07:39:42
原创 xgboost與gdbt
具體的xgboost可見：https://blog.csdn.net/a819825294/article/details/51206410 具體的xgboost的調參可見：https://blog.csdn.net/u013709270
2019-05-05 06:43:38
原创 python 生成器 迭代器
看完這個就完全懂生成器和迭代器 生成器： 什麼是生成器？ 通過列表生成式，我們可以直接創建一個列表，但是，受到內存限制，列表容量肯定是有限的，而且創建一個包含100萬個元素的列表，不僅佔用很大的存儲空間，如果我們僅僅需要訪問前面幾
2019-04-27 02:28:09
原创 python 閉包
什麼時候閉包？ 從上面的例子可以看出，當嵌套函數引用其封閉範圍內的值時，在Python中有使用了一個閉包。 在Python中創建閉包必須滿足的標準將在以下幾點 - 必須有一個嵌套函數(函數內部的函數)。 嵌套函數（裏面的函數）必
2019-04-27 02:28:09
原创 AdaBoost、GBDT、RF、XGboost、lightGBM
AdaBoost 簡單介紹 AdaBoost是基於boosting的思想，通過多個弱分類器的線性組合來得到強分類器，訓練時重點關注被錯分的樣本，準確率高的弱分類器權重大。 更深一步的介紹 在訓練過程中，它不改變所給的訓練數據，
2019-04-26 02:31:06
原创 Adaboost
原理介紹： （1）初始化訓練數據（每個樣本）的權值分佈：如果有N個樣本，則每一個訓練的樣本點最開始時都被賦予相同的權重：1/N。 （2）訓練弱分類器。具體訓練過程中，如果某個樣本已經被準確地分類，那麼在構造下一個訓練集中，它的權重就被降
2019-04-26 02:31:06