引言题目：a**2 + b**2 = c**2，a+b+c=1000，求解a，b，c方法一
import time
start = time.time()
for a in range(0, 1001):
for b in range(0, 1001):...
三种算法比较ID3：采用信息增益作为选择特征的标准，越大越好C4.5：采用信息增益率作为选择特征的标准，越大越好CART：回归：平方误差函数，越小越好分类：基...
剪枝为什么要剪枝决策树算法在生成的过程中，利用递归的方式产生决策树，直到不能继续下去，容易造成对现有的训练数据有很好的分类，但是对未知数据分类不准...
信息增益算法思想信息增益的算法过程为：出入：训练数据集D和特征A输出：特征A对训练数据集D的信息增益具体过程解释为：先计算数据集D的经验熵上式表示为：样...
特征选择特征选择的目的是为了筛选出对训练数据具有分类能力的特征，提供决策树学习的效率。通常特征选择的准则是信息增益和信息增益率（信息增益比）熵entro...
决策树导读决策树Decision Tree是一种基本的分类和回归方法。决策树模型呈现树形结构，在分类问题上，主要是基于特征对样本实例进行分类。其主要是的优点是：...
注明：本篇札记属于转载，感谢博主机器学习资料 我们这里仍然运用指数加权平均数，但并不是dW的平均数，而是(dW)^2的平均数，即：在参数更新时：由于db较大，...
注：本篇札记属于转载，感谢博主机器学习资料汇总>本系列主要根据吴恩达老师的课程、李航老师的统计学习方法以及自己平时的学习资料整理！在本文章中，有些地...
文章发布于公号【数智物语】 （ID：decision_engine），关注公号不错过每一篇干货。原标题 | The Limitations of Machine Learning作 者 | Ma...
习题一说明伯努利模型的极大似然估计以及贝叶斯估计中的统计学习方法三要素。统计学习方法的三要素：模型策略算法 模型策略算法极大似然估计条件概率经验风险...
感知机Perceptron导读感知机是二分类的线性分类模型，输入是实例的特征向量（每个属性），输出是实例的类别。感知机对应于输入空间中将实例划分为正负两类的...
本篇札记对机器学习中K近邻算法（KNN）的基础、原理、实例、超参数以及scikit-learn中的使用和调参等各种知识进行汇总，学习完本篇札记基本上会了KNN算法。图...
kd树k近邻算法最简单的实现方式线性扫描 linear scan。需要计算每个输入实例和每个训练实例之间的距离；当样本量很大的时候，非常耗时。考虑使用特殊的树形结...
KNN重构import numpy as np
from math import sqrt
from collections import Counter
class KNNClassifier:
def __init__(self, k):
# 构造函...
游标基础知识SQL检索操作返回一组称为结果集的行。但是有时候，我们需要在检索出来的行中，需要前进或者后退一行甚至多行，这个时候需要使用游标cursor。游标...
皮大大
数智物语
