本篇为《Python机器学习》一书的笔记。 一、简单线性回归模型 简单（单变量）线性回归的目标是：通过模型来描述某一特征（解释变量x），与连续输出（目标特征y）之间的关系。当只有一个解释变量时，线性模型的函数定义如下： 线性回归可以看成是求解样本点的最佳拟合直线，这条最佳拟合线被称为回归线，回归线与 ...
分类：
其他好文 时间：
2018-04-19 17:42:13
阅读次数：
303
比如：如果在微信小程序中要遍历输出 0-9 的数，我们会使用for循环 确实结果也是这样： 但是，如果我在循环时同时调用wx的api接口10次，那么输出的结果就会不同（这是产生了闭关的效应） eg：每次调用一次wx.showToast()接口,并在成功时输出循环的值。 结果： 可以看到输出了10次1 ...
分类：
微信 时间：
2018-04-19 01:53:00
阅读次数：
849
物理层 物理层定义了比特作为信号在信道上发送时相关的电气、时序和其它接口，物理层是构建网络的基础。 数据通信理论基础：改变诸如电压或者电流等某种物理特性的方法可用来在电线上传输信息，如果用一个以时间t为自变量的单值函数 f(t) 来表示电压或电流的值，就可以对信号的行为进行建模，并用数学手段对其进行 ...
分类：
其他好文 时间：
2018-04-16 16:15:37
阅读次数：
229
二分法是一种求解方程近似根的方法。对于一个函数 f(x)f(x)，使用二分法求 f(x)f(x) 近似解的时候，我们先设定一个迭代区间（在这个题目上，我们之后给出了的两个初值决定的区间 [-20,20][?20,20]），区间两端自变量 xx 的值对应的 f(x)f(x) 值是异号的，之后我们会计算 ...
分类：
编程语言 时间：
2018-04-12 19:56:15
阅读次数：
511
数据分析是从数据中提取有价值信息的过程，过程中需要对数据进行各种处理和归类，只有掌握了正确的数据分类方法和数据处理模式，才能起到事半功倍的效果，以下是数据分析员必备的9种数据分析思维模式：1. 分类分类是一种基本的数据分析方式，数据根据其特点，可将数据对象划分为不同的部分和类型，再进一步分析，能够进一步挖掘事物的本质。2. 回归回归是一种运用广泛的统计分析方法，可以通过规定因变量和自变量来确定变量
分类：
其他好文 时间：
2018-04-11 21:40:38
阅读次数：
178
一、模型概念 逻辑回归将线性函数复合于逻辑斯蒂函数中，用其取值估计分类概率，从而在空间形成超平面对样本点进行分类。 Logistic回归实质：发生概率除以没有发生概率再取对数。就是这个不太繁琐的变换改变了取值区间的矛盾和因变量自变量间的曲线关系。究其原因，是发生和未发生的概率成为了比值 ，这个比值就 ...
分类：
其他好文 时间：
2018-04-09 14:54:22
阅读次数：
240
案例1:使用逻辑回归模型,预测客户的信用评级 数据集中采用defect为因变量,其余变量为自变量 1.加载包和数据集 2.查看数据集, 结论:一共有10000行数据,56个变量,其数据集中没有空值,但是有极大值存在 3,数据清洗 修改前 修改后 结论:visit_cnt不再有不符合业务的极大值出现 ...
分类：
编程语言 时间：
2018-03-30 12:14:30
阅读次数：
379
以下部分摘自马哥教育 函数的一般形式： y= f(x) x成为自变量，y是x的函数 （域值） 高阶函数： y=f(g(x)) 定义： 接受一个或者多个函数作为参数 返回一个函数 因为上面例子中，返回的是一个函数，即可以看成返回的是一个对象，所以在调用时，尽管参数值一样，但是，不同的调用产生了不同的对 ...
分类：
其他好文 时间：
2018-03-29 20:05:24
阅读次数：
127
多元函数求偏导数时注意区分那些是自变量，那些是函数，以及函数的自变量是什么。自变量之间的偏导都是零，而针对函数的偏导则不一定是零。 例：在计算阿尔芬波色散关系的时候有这样的式子： $$\frac{d}{dx}[(\omega^2 \omega_A^2(x))\frac{dU(x)}{dx}]$$ 上 ...
分类：
其他好文 时间：
2018-03-29 10:24:36
阅读次数：
122
今天我要写的是一段计算水费的程序`#include<stdio.h>intmain(void){inti;//定义自变量doublecost;//定义因变量cost=0;printf("请输入用水量：");//程序提示scanf_s("%d",&i);//用户输入用水量if(i<0){printf("0");}elseif(i<=15){cost=(4.0*i)/3
分类：
其他好文 时间：
2018-03-27 01:47:27
阅读次数：
155
