| 共 27 篇文章 |
|
单变量特征选择方法独立的衡量每个特征与响应变量之间的关系，另一种主流的特征选择方法是基于机器学习模型的方法。2、对于存在关联的多个特征，其中任意一个都可以作为指示器（优秀的特征），并且一旦某个特征被选择之后，其他特征的重要度就会急剧下降，因为不纯度已经被选中的那个特征降下来了，其他的特征就很难再降低那么多不纯度了，这样... 阅11 转0 评0 公众公开 17-06-18 22:28 |
机器学习中的数据预处理（sklearn preprocessing）MaxAbsScaler()X_train_maxabs = max_abs_scaler.fit_transform(X_train)# doctest NORMALIZE_WHITESPACE^, out: array([[ 0.5, -1., 1. ], [ 1. , 0. , 0. ], [ 0. , 1. , -0.5]])X_test = np.array([[ -3., -1., 4.]])X_test_maxabs = max_abs_scaler.transform(X_test) #out: array([[-1.5,... 阅128 转0 评0 公众公开 17-06-16 13:59 |
下面是使用均值来处理的实例：>>> import numpy as np>>> from sklearn.preprocessing import Imputer>>> imp = Imputer(missing_values=''NaN'', strategy=''mean'', axis=0)>>> imp.fit([[1, 2], [np.nan, 3], [7, 6]])Imputer(axis=0, copy=True, missing_values='... 阅39 转0 评0 公众公开 17-06-16 13:50 |
StandardScaler().fit(X)>>> scalerStandardScaler(copy=True, with_mean=True, with_std=True)>>> scaler.mean_ array([ 1.>>> min_max_scaler = preprocessing.Normalizer().fit(X) # fit does nothing>>> normalizerNormalizer(copy=True, norm=''l2... 阅54 转0 评0 公众公开 17-06-16 13:49 |
T # hidden layer (input ~ prev_hidden) layer_1 = sigmoid(np.dot(X,synapse_0) np.dot(layer_1_values[-1],synapse_h)) # output layer (new binary representation) layer_2 = sigmoid(np.dot(layer_1,synapse_1)) # did we miss?...( input prev_input ) -> hidden -> output.Line 34:这个权值矩阵连接了隐含层与输出层，如此它就有... 阅108 转0 评0 公众公开 17-06-15 10:08 |
使用 PyTuple_New 创建元组， PyTuple_SetItem 设置元组值<code class=''language-cpp hljs ''>PyObject* args = PyTuple_New(3);PyObject* arg1 = Py_BuildValue(''i'', 100); // 整数参数PyObject* arg2 = Py_BuildValue(''f'', 3.14); // 浮点数参数PyObject* arg3 = Py_BuildValue(... 阅57 转0 评0 公众公开 17-06-11 21:48 |
所以，如果你想要在debug下运行程序的话，你要把pyconfig.h（在python25/include/目录下）的大概是在283行，把pragma comment(lib,''python25_d.lib'')改成pragma comment(lib,''python25.lib'')，让python都使用非debug lib.通过boost.python把c 库编译成python能够调用的dll。2、使用boost.python库来构建dl... 阅144 转0 评0 公众公开 17-06-11 21:43 |
多重共线性的解决方法之——岭回归与LASSO.在惩罚函数上加上系数k.岭参数选择的一般原则各回归系数的岭估计基本稳定不存在有明显不符合常理的回归参数，其岭估计的符号应当要变得合理回归系数没有不合实际意义的绝对值残差平方和增大不多用岭回归选择变量由于岭回归是已经变量标准化之后的回归，因此岭回归系数的大小是能够互相比较的，可以剔... 阅5433 转18 评0 公众公开 17-06-08 14:08 |
解决方法很简单：在mysql的配置文件my.ini写下character-set-server=utf8就好了。免安装mysql的目录下只有一个my-default.ini，而且打开也没有character-set-server.不急，先把它拷贝一份，并重命名为my.ini,这样该目录下就有了my.ini和my-default.ini两个ini文件。[client]default-character-set=utf8/*[mysqld]*/character-set-server=utf8具... 阅248 转0 评0 公众公开 17-06-08 00:49 |
Tushare与Mysql在python下的演义。一方面是学习使用Tushare（其实很明了，不用学习），另外一方面是学习用Python去操作Mysql数据库。import tushareprint(tushare.__version__) 这样就可以查看当前Tushare的版本号了。对于读取数据库的数据，SQL = ''SELECT code FROM hs300'' cur.execute(SQL) results = cur.fetchall... 阅180 转3 评0 公众公开 17-06-08 00:49 |
