原创 解決Matlab中不關聯的.m文件
第一步：首先下載這個文件鏈接：https://pan.baidu.com/s/1yy37wJjQlnn-_DKCXp4v6A ，提取碼：84bn 第二步：啓動安裝的matlab文件 第三步：將下載好的軟件進行解壓，將解壓好的associ
2020-06-26 02:14:55
原创 KNN和K-means詳細介紹
在對於初學者來說的話，在學習這兩個算法的時候，容易搞混，下面將針對這兩個算法做了一個詳細的介紹。方便大家理解。 K近鄰算法（KNN）：有監督的學習 首先，KNN是通過測量不同特徵值之間的距離進行分類，它的一個基本思路是，如
2020-06-26 01:07:34
2
原创 MySQL和SQL區別
一、SQL Server基本簡介 1.1 概述 SQL Server 是Microsoft 公司推出的關係型數據庫管理系統。具有使用方便可伸縮性好與相關軟件集成程度高等優點，可跨越從運行Microsoft Windows 98 的膝上型
2020-06-26 01:07:34
原创 KNN和K-means詳細介紹
在上一篇博文中介紹了KNN算法（https://blog.csdn.net/jodie123456/article/details/101595943），接下來繼續介紹K-means算法： K-means（K均值聚類）：（屬於無監督學習）
2020-06-26 01:07:34
5
原创 面向對象的三大特性：封裝繼承和多態
透切理解面向對象三大基本特性是理解面向對象五大基本原則的基礎. 三大特性是：封裝,繼承,多態 所謂封裝： 也就是把客觀事物封裝成抽象的類，並且類可以把自己的數據和方法只讓可信的類或者對象操作，對不可信的進行信息隱藏。封裝是面向對象的特徵之
2020-06-26 01:07:34
原创 python中列表，元組，集合，字典的理解
Python的基本數據結構中，包含了列表、元組等一系列數組式數據結構，但各個結構各有不同。因此單獨列出來，分析相同與不同。 列表（List） 列表屬於最像數組的數據結構。注意python中沒有數組。列表的功能比數組更加強大，所以把它稱爲“
2020-06-26 01:07:34
原创 事務的四大特性介紹
事務四大特徵：原子性，一致性，隔離性和持久性。 1. 原子性（Atomicity） 一個原子事務要麼完整執行，要麼乾脆不執行。這意味着，工作單元中的每項任務都必須正確執行。如果有任一任務執行失敗，則整個工作單元或事務就會被終止。即
2020-06-26 01:07:24
原创 處理不平衡數據的方法
最近在編程序的時候碰到了不平衡的數據，在處理這類數據的時候可以有以下三種方法： 第一種：上採樣 是指把小衆類的樣本複製多份。 第二種：下采樣 是從多數類樣本剔除掉一部分或將大多數的樣本選取部分樣本 第三種：SMOTE方法 其中smote方
2020-06-26 01:07:24
原创 數據不足時的處理方法
在機器學習中，絕大部分模型都需要大量的數據進行訓練和學習，然而在實際應用中經常會遇到訓練不足的問題，比如圖像分類，作爲計算機視覺最基本的任務之一，其目標是將每一副圖像劃分到制定類別集合中的一個或者多個類別中，當訓練一個圖像分類模型時，如果
2020-06-26 01:07:24
原创 關聯規則挖掘算法-FP-tree算法
FP-tree兩個主要步驟： 1. 利用事務數據庫中的數據構造FP-tree； 2. 從FP-tree中挖掘頻繁模式。 具體過程： 1.掃描數據庫一次，得到頻繁1-項集。 2.把項按支持度遞減排序。 3.再一次掃描數據庫，建立FP-tre
2020-05-23 11:39:18
原创 關聯規則挖掘算法-Apriori算法
Apriori算法： Apriori算法命名源於算法使用了頻繁項集性質的先驗（Prior）知識。 Apriori算法將發現關聯規則的過程分爲兩個步驟：通過迭代，檢索出事務數據庫中的所有頻繁項集，即支持度不低於用戶設定的閾值的項集；利用頻繁
2020-05-23 11:39:18
原创 自組織特徵映射神經網絡（SOM）
自組織特徵映射神經網絡簡介： 自組織特徵映射神經網絡（SOM）也是無教師學習網絡，主要用於對輸入向量進行區域分類。其結構與基本競爭型神經網絡很相似。與自組織競爭網絡的不同之處：SOM網絡不但識別屬於區域鄰近的區域，還研究輸
2020-04-01 21:30:32
原创 數據上的關聯規則
關聯規則挖掘的目標是發現數據項集之間的關聯關係或相關關係，是數據挖掘中的一個重要的課題。 先簡單介紹一下關聯規則挖掘中涉及的幾個基本概念： 定義1：項與項集 數據庫中不可分割的最小單位信息，稱爲項目，用符號i表示。項的集合稱爲項集。設集合
2020-02-21 12:22:22
原创 python中迭代器和生成器
1、迭代器（iterator）是一個實現了迭代器協議的對象，python的一些內置數據類型（列表，數組，字符串，字典等）都可以通過for語句進行迭代，我們也可以自己創建一個容器，實現了迭代器協議，可以通過for，next方法進行迭代，在迭
2020-02-21 12:22:22
原创 集成學習-Stacking
在集成學習中，結合策略也是影響集成模型性能的重要因素之一。傳統的結合策略有多數投票、加權平均等。Stacking的本質是設計合適的結合策略，達到比傳統結合策略更優的集成效果。首先，Stacking訓練一組基學習器，用以參與後
2020-02-21 12:22:22