数据科学专业问答社区，好文章，一字千金--CDA答疑社区

热线电话：13121318867

登录

啊啊啊啊啊吖

决策树数学知识

1.信息论：若一事假有 k 种结果，对应的概率为 2. 熵：给定包含关于某个目标概念的正反样例的样例集 S，那么 S 相对这个布尔型分类的熵为： 3. 条件熵：假设随机变量（X， Y），其联合分布概率为 P(X=xi,Y=yi)=Pij,i=1,2,⋯,n;j=1,2,⋯,m则条件熵 H(Y|X)表示在已知随机变量 X 的条件下随机变量 Y 的不确定性，其定义为 X 在给定条

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

决策树算法

有监督的学习• 非参数学习算法• 自顶向下递归方式构造决策树• 在每一步选择中都采取在当前状态下最好/优的选择决策树学习的算法通常是一个递归地选择最优特征，并根据该特征对训练数据进行分割，使得各个子数据集有一个最好的分类的过程。在决策树算法中， ID3 基于信息增益作为属性选择的度量， C4.5 基于信息增益比作为属性选择的度量， CART 基于基尼指数作为属性选择的度量。

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

调用 Python 的 sklearn 模块求解

import numpy as np2. from sklearn import neighbors3. knn = neighbors.KNeighborsClassifier() #取得 knn 分类器4. data = np.array([[3,104],[2,100],[1,81],[101,10],[99,5],[98,2]]) #

0.0000

0

2

0

关注作者

收藏

詹惠儿

tanh 激活函数

目标是为这个神经元找到最佳权重集，从而产生正确的结果。通过使用几个不同的训练样例训练神经元来做到这一点。在每一步计算神经元输出中的误差，然后反向传播梯度。计算神经元输出的步骤称为前向传播，而梯度计算称为反向传播。以下是实施：# Python program to implement a # single neuron neural network # import all necess

0.0000

0

7

0

关注作者

收藏

詹惠儿

python中的单个神经网络

神经网络是深度学习的核心，这个领域在许多不同领域都有实际应用。今天，神经网络被用于图像分类，语音识别，物体检测等。现在，让我们试着了解所有这些艺术技术背后的基本单位。单个神经元将给定输入转换为某个输出。根据分配给每个输入的给定输入和权重，确定神经元是否发射。假设神经元有3个输入连接和1个输出

0.0000

0

4

0

关注作者

收藏

詹惠儿

Python的卷积是什么？

卷积卷积是一种对图像执行的操作，用于从图像中提取特征，在图像上应用称为内核的较小张量，如滑动窗口。根据卷积内核中的值，我们可以从图像中选取特定的模式。在下面的示例中，我们将演示使用适当的内核检测图像中的水平和垂直边缘。卷积是卷积神经网络背后的关键特征之一。import numpy as np import matplotlib.pyplot as plt # let img1 be an

0.0000

0

1

0

关注作者

收藏

詹惠儿

SVM中怎么导入数据？

导入数据集这是支持向量机的直觉，它优化了表示数据集之间垂直距离的线性判别模型。现在让我们使用我们的训练数据训练分类器。在训练之前，我们需要将癌症数据集导入为csv文件，我们将在其中训练所有功能中的两个功能。# importing required libraries import numpy as np import pandas as pd import matplotlib.pypl

0.0000

0

2

0

关注作者

收藏

詹惠儿

用一个外观示例演示SVM

支持向量机所做的不仅是在这两个类之间绘制一条线，而是考虑一个给定宽度线的区域。以下是它的外观示例：# creating line space between -1 to 3.5 xfit = np.linspace(-1, 3.5) # plotting scatter plt.scatter(X[:, 0], X[:, 1], c=Y, s=50, cmap='spring') #

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

k近邻赛算法步骤

算法步骤• step.1---初始化距离为最大值• step.2---计算未知样本和每个训练样本的距离 dist• step.3---得到目前 K 个最临近样本中的最大距离 maxdist• step.4---如果 dist 小于 maxdist，则将该训练样本作为 K-最近邻样本• step.5---重复步骤 2、 3、 4，直到未知样本和所有训练样本的距离都算完• step.6--

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

正态性检验有哪些方法

正态分布式许多检验的基础，比如 F 检验， t 检验，卡方检验等。因此对于一个样本是否来自正态总体的检验是至关重要的 图示法直方图：是否以钟型分布箱线图：观测矩形位置和中位数，若矩形位于中间位置且中位数位于矩形的中间位置，则分布较为对称QQ 图：非参数检验法欢迎加入非盈利Python编程学习交流QQ群783462347，群里免费提供500 本Python书籍！4.两个变量

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

检验的8个步骤，你记住了吗

1) 根据问题，判定感兴趣的参数2) 给定原假设, H03) 给定备择假设 H14) 选择一个置信水平 .5) 选择合适的假设检验6) 推导出拒绝域7)计算需要的统计变量8) 决定拒绝或接收原假设 H0

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

奇异值分解

奇异值分解在某些方面与对称矩阵或Hermite矩阵基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性，但还是有明显的不同。谱分析的基础是对称阵特征向量的分解，而奇异值分解则是谱分析理论在任意矩阵上的推广。假设M是一个m×n阶矩阵，其中的元素全部属于域 K，也就是实数域或复数域。如此则存在一个分解使得a其中U是m×m阶酉矩阵；Σ是半正定m×n阶对角矩阵；而V*，即V的共轭转置，是n

0.0000

0

5

0

关注作者

收藏

啊啊啊啊啊吖

概率论里的期望是怎么回事

函数 f(x) 关于某分布 P (x) 的期望（expectation）或者期望值（expectedvalue）是指，当 x 由 P 产生， f 作用于 x 时， f(x) 的平均值。对于离散型随机变量，这可以通过求和得到：Ex∼P [f(x)] = ∑xP (x)f(x); (3.9)对于连续型随机变量可以通过求积分得到：Ex∼p[f(x)] = ∫ p(x)f(x)dx: (3.

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

正则自编码器是什么

编码维数小于输入维数的欠完备自编码器可以学习数据分布最显著的特征。我们已经知道，如果赋予这类自编码器过大的容量，它就不能学到任何有用的信息。如果隐藏编码的维数允许与输入相等，或隐藏编码维数大于输入的过完备（overcomplete）情况下，会发生类似的问题。在这些情况下，即使是线性编码器和线性解码器也可以学会将输入复制到输出，而学不到任何有关数据分布的有用信息。理想情况下，根据要建模的

0.0000

0

5

0

关注作者

收藏

啊啊啊啊啊吖

有时候，我们知道了一组变量的联合概率分布，但想要了解其中一个子集的概率分布。这种定义在子集上的概率分布被称为边缘概率分布（marginal probabilitydistribution）。例如，假设有离散型随机变量 x 和 y，并且我们知道 P (x; y)。我们可以依据下面的求和法则（sum rule）来计算 P (x)：8x 2 x; P (x = x) = ∑yP (x

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

离散型变量和概率质量函数

离散型变量的概率分布可以用概率质量函数（probability mass function, PMF）1来描述。我们通常用大写字母 P 来表示概率质量函数。通常每一个随机变量都会有一个不同的概率质量函数，并且读者必须根据随机变量来推断所使用的 PMF，而不是根据函数的名称来推断；例如， P (x) 通常和 P (y) 不一样。概率质量函数将随机变量能够取得的每个状态映射到随机变量取得该状

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

不确定性的三种来源

1. 被建模系统内在的随机性。例如，大多数量子力学的解释，都将亚原子粒子的动力学描述为概率的。我们还可以创建一些我们假设具有随机动态的理论情境，例如一个假想的纸牌游戏，在这个游戏中我们假设纸牌被真正混洗成了随机顺序。2. 不完全观测。即使是确定的系统，当我们不能观测到所有驱动系统行为的变量时，该系统也会呈现随机性。例如，在 Monty Hall 问题中，一个游戏节目的参与者被要求在三个

0.0000

0

2

0

关注作者

收藏

kejiayuan0806

怎样快速删除excel中的空格

问题描述：excel单元格中字符串间的空格如何删除解决方法：一、查找替换1、选定需要删除空格的单元格的区域，然后在功能区“开始”菜单编辑选项卡中点击“查找和选择”选项 2、在弹出的菜单中选择“替换”选项，或按快捷键“Ctrl h”即可弹出“查找和替换”窗口 3、在弹出的“查找和替换”窗口中找到查找内容方框，在方框中输入一个空格，然后替换方框不需要输入任何东西，为空白即可，然后点

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

深度学习是个啥

现代术语 “深度学习’’ 超越了目前机器学习模型的神经科学观点。它诉诸于学习多层次组合这一更普遍的原理，这一原理也可以应用于那些并非受神经科学启发的机器学习框架。现代深度学习的最早前身是从神经科学的角度出发的简单线性模型。这些模型被设计为使用一组 n 个输入 x1; : : : ; xn 并将它们与一个输出 y 相关联。这些模型希望学习一组权重 w1; : : : ; wn，并计算它们

0.0000

0

3

0

关注作者

收藏

詹惠儿

用try-excep语句处理异常

在python中，你也可以在try-except块上使用else子句，它必须在所有except子句之后出现。仅当try子句不引发异常时，代码才会进入else块。# Program to depict else clause with try-except # Function which returns a/b def AbyB(a , b): try: c = ((a b) /

0.0000

0

3

0

关注作者

收藏

<1…354355356…404>

CDA考试动态

CDA报考指南