原创 邏輯迴歸（Logistic Regression）總結
邏輯迴歸（Logistic Regression）總結 在分類問題中，要預測的變量y是離散的值，便會用到邏輯迴歸。例如： ·判斷郵件是否垃圾郵件 ·腫瘤是惡性還是良性 ·判斷一次金融交易是否欺詐 …… 決策邊界（decisio
2020-06-21 20:44:43
原创 python製作數據診斷工具
python製作數據診斷工具 實現慕課網python製作數據診斷工具的課程，並且給代碼添加相應的註釋。擁有一個數據診斷工具，對數據預處理工作會有很大的幫助。 附上代碼鏈接 讀取數據，課程提供的數據如圖： 這是csv格式的文件，打開
2020-06-21 20:44:43
1
原创 一元線性迴歸——梯度下降法
梯度下降法實現一元線性迴歸(代碼部分） 導入需要用到的包 import numpy as np import matplotlib.pyplot as plt 載入數據 data = np.genfromtxt("data.cs
2020-06-21 20:44:43
1
原创 多元線性迴歸——梯度下降法、sklearn實現
梯度下降法實現多元線性迴歸（代碼實現） 載入數據 data = genfromtxt(r"\Delivery.csv", delimiter=',') 觀察一下數據 x_data爲特徵值，y_data爲標籤值 所以應該設置3個
2020-06-21 20:44:43
原创 藍橋杯java：特殊的數字
藍橋杯java：特殊的數字 問題描述 153是一個非常特殊的數，它等於它的每位數字的立方和，即153=111+555+333。編程求所有滿足這種條件的三位十進制數。 輸出格式 按從小到大的順序輸出滿足條件的三位十進制數，每個數
2020-06-21 20:44:43
原创 基於python和TensorFlow的電影推薦系統——慕課課程
電影推薦系統——慕課課程（一） 這門課感覺挺有意思，而且老師講的也很好，便決定爲代碼添上註釋自己做一下總結。 第一步：數據準備 打開網址https://grouplens.org/datasets/movielens/,找到下圖所
2020-06-21 20:44:43
原创 線性邏輯迴歸的代碼實現
線性邏輯迴歸的代碼實現 載入數據 data = np.genfromtxt(r'data.csv', delimiter=',') x_data = data[:, :-1] # 特徵 y_data = data[:, -1]
2020-06-21 20:44:43
原创 AS報錯：Could not resolve com.android.support:appcompat-v7:27.0.1.
Error:Unable to resolve dependency for ‘:app@xiaomiDebug/compileClasspath’: Could not resolve com.android.support:a
2020-06-21 20:44:43
原创 藍橋杯java基礎練習：十六進制轉十進制
藍橋杯java基礎練習：十六進制轉十進制 問題描述 從鍵盤輸入一個不超過8位的正的十六進制數字符串，將它轉換爲正的十進制數後輸出。 注：十六進制數中的10~15分別用大寫的英文字母A、B、C、D、E、F表示。 樣例輸入 F
2020-06-21 20:44:43
原创 藍橋杯java：基礎練習 十六進制轉八進制
藍橋杯java：基礎練習 十六進制轉八進制 問題描述 給定n個十六進制正整數，輸出它們對應的八進制數。 輸入格式 輸入的第一行爲一個正整數n （1<=n<=10）。 接下來n行，每行一個由09、大寫字母AF組成的字符串
2020-06-21 20:44:43
原创 藍橋杯java基礎練習：十進制轉十六進制
藍橋杯java基礎練習：十進制轉十六進制 問題描述 十六進制數是在程序設計時經常要使用到的一種整數的表示方式。它有0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F共16個符號，分別表示十進制數的0至15。十六進制
2020-06-21 20:44:43
原创 K-means算法代碼實現（python）
K-means算法代碼實現以及解決質心選擇問題 計算距離 距離通常使用歐幾里得距離來衡量 def euclDistance(vector1, vector2): return np.sqrt(sum((vector2 -
2020-06-21 20:44:43
原创 K-means代碼實現（sklearn）
K-means代碼實現（sklearn） 載入數據 設置k值 k = 4 訓練模型 # 訓練模型 model = KMeans(n_clusters=k) model.fit(data) 分類中心點座標 centers = m
2020-06-21 20:44:43
原创 已知一個如圖所示的訓練數據集，其正例點是x1=(3,3)，x1=(4,3),負例點是x3=(1,1)，試求最大間隔分離超平面。
已知一個如圖所示的訓練數據集，其正例點是x1=(3,3)，x1=(4,3),負例點是x3=(1,1)，試求最大間隔分離超平面。 從圖中可以看出，x2不起作用，所以不用理會 方法1： 方法2：考慮求解中垂線方程即可 斜率：-k=
2020-06-21 20:44:43
原创 非線性邏輯迴歸的代碼實現（sklearn）
非線性邏輯迴歸的代碼實現（sklearn） 隨機生成兩類或多類數據 from sklearn.datasets import make_gaussian_quantiles # make_gaussian-quantiles：將一
2020-06-21 20:44:43