//2019.07.23 1、箱形图，又称为盒式图，一般可以很好地反映出数据分布的特征，也可以进行多项数据之间分布特征的比较，它主要包含五个基础数据：中位数，两个上下分位数以及上下边缘线数据2、双轴图的绘制代码：import numpy as npimport matplotlib.pyplot a ...
分类：
其他好文 时间：
2019-07-23 17:17:19
阅读次数：
115
“?”即“全称量化符号”， 读作“任意”。 ∑-1 ： 协方差矩阵 σ2 方差 （sigma） σ 标准差 微分算子， 在二维图像中表示 梯度 （nabla） ε （epsilon） ...
分类：
其他好文 时间：
2019-07-23 17:14:06
阅读次数：
182
协方差的意义 度量各个维度偏离其均值的程度。协方差的值如果为正值，则说明两者是正相关的(从协方差可以引出“相关系数”的定义)，结果为负值就说明负相关的，如果为0，也是就是统计上说的“相互独立”。 如果正相关，这个计算公式，每个样本对（Xi, Yi）, 每个求和项大部分都是正数，即两个同方向偏离各自均 ...
分类：
其他好文 时间：
2019-07-12 09:36:42
阅读次数：
117
1.基于树模型提取特征 2.基于L1，L2惩罚值提取特征 3.递归特征消除法提取特征 4.互信息选择法提取特征 5.利用相关系数选择特征 6.卡方检验法提取特征 7.利用方差选择特征 参考：https://www.kesci.com/ ...
分类：
其他好文 时间：
2019-07-09 00:28:36
阅读次数：
371
线性模型之LDA和PCA 线性判别分析LDA LDA是一种无监督学习的降维技术。 思想：投影后类内方差最小，类间方差最大，即期望同类实例投影后的协方差尽可能小，异类实例的投影后的类中心距离尽量大。 二分类推导 给定数据集$D=\{(x_i,y_i)\}_{i=1}^m$，令$X_i，\mu_i，\s ...
分类：
其他好文 时间：
2019-07-07 17:35:48
阅读次数：
112
设有$m$个指标，$n$个样本的原始数据 1. 将原始数据按列组成矩阵 $X _ { n \times m }$ 2. 将$X$ 的每一列进行中心化 3. 求$X$的协方差矩阵$\Sigma _ { X } = \frac { 1 } { n 1 } X ^ { T } X$ 4. 求出 $\Sig ...
分类：
编程语言 时间：
2019-07-06 09:13:50
阅读次数：
137
机器学习是时下流行AI技术中一个很重要的方向，无论是有监督学习还是无监督学习都使用各种“度量”来得到不同样本数据的差异度或者不同样本数据的相似度。良好的“度量”可以显著提高算法的分类或预测的准确率，本文中将介绍机器学习中各种“度 ...
分类：
其他好文 时间：
2019-06-15 20:07:28
阅读次数：
98
0０ 个人总结 PCA(主成分分析法)目的： 1.降低特征间个数，减少的计算量 2.降低特征之间的相关性，使特征之间更加的独立 3.减少噪声对数据的影响，使模型更加的稳定 4.方便数据的可视化 简单步骤： 1.对数据进行零均值化处理 2.计算协方差矩阵 3.计算特征值和特征向量 4.找到n个特征值和 ...
分类：
其他好文 时间：
2019-06-09 13:13:10
阅读次数：
109
1 先备知识 1.1 一些统计学认识 方差: 用来描述样本偏离中心程度的量 协方差：用来描述两变量 X,Y 相互关系的量，协方差越大，对彼此影响越大，协方差等于0，两者独立 协方差矩阵： 如果一组样本 y1,.......ym ,每个样本是 n 维行向量，则这组样本的协方差矩阵为： 注意：矩阵中的 ...
分类：
其他好文 时间：
2019-06-04 20:57:10
阅读次数：
241
FUNCTION 相关系数 code SVM code III CNN main FUNCTION convolution FUNCTION convolution_f1 FUNCTION CNN_upweight FUNCTION init_kernel FUNCTION pooling view ...
分类：
其他好文 时间：
2019-05-23 15:53:11
阅读次数：
115
