k近邻法（KNN）原理小结1. k 近邻法算法2. k 近邻法模型2.1 k值的选择2.2 距离度量2.3 分类决策规则3. k 近邻法实现：kd（k-dimension）树3.1 构造kd树3.2 搜索kd树3.3 kd 树预测4. 代码示例5. 模型评价完整代码地址参考 本博客中使用到的完整代码请移步至: 我的github：https://github.com/qingyujean/Mag
转载
2024-06-08 20:52:03
138阅读
昨天一个前同事找我，问有没有性能测试岗位的面试题，正好之前帮业务团队加面过几次性能测试岗位的候选人，我将面试时候会问的一些问题以及要考察的点列了出来，供大家参考一、什么是回归测试回归测试（Regression testing） 指在发生修改之后重新测试先前的测试以保证修改的正确性。理论上，软件产生新版本，都需要进行回归测试，验证以前发现和修复的错误是否在新软件版本上再次出现二、测试策略回归测试的策
转载
2024-04-16 11:05:11
53阅读
这次来见证神经网络是如何通过简单的形式将一群数据用一条线条来表示。或者说，是如何在数据当中找到他们的关系， 然后用神经网络模型来建立一个可以代表他们关系的线条。注：本节程序上下是连贯的，分开只为方便解说。一、建立伪数据：# coding=gbk
import torch
import matplotlib.pyplot as plt
#建立伪数据集
x = torch.unsqueeze
转载
2024-03-22 15:48:15
44阅读
在总结回归测试的方法时发现，不管国内国外，这都是个头疼的话题。做是要做，也能做，但是从效率角度说可是千差万别。给我足够多的人或是时间，总是可以保证回归测试进行的彻底，可是那并不是做事情的方法和解决问题的手段。 从执行方法的角度看，回归测试大多要通过两种方式去执行：一类借助于工具完成的自动化测试，一类是手动完成。从回归测试的计划和策略上讲，一般有以下两种方法： 一、基于风险的 这是一个比较
转载
2024-05-27 12:49:09
58阅读
#使用SepalLengthCm、SepalWidthCm、PetalLengthCm预测PetalWidthCm
import numpy as np
import pandas as pd
data = pd.read_csv("iris.csv")
#去掉不需要的id列和Species列
data.drop(['id','Species'],axis=1,inplace=True)
#去
转载
2024-04-12 06:31:24
40阅读
每次讲座内容总结(1)讲座的主题为网络(Web)安全与与内容安全张老师从Web应用安全和隐私安全两个方面为我们带来了一场精彩的讲座。 信息化发展凸显了信息安全问题2010年6月 震网病毒(stuxnet病毒) -> 证明物理隔离也不一定安全 2015年9月 XcodeGhost -> 证明编译层面也可能存在安全漏洞网络威胁惊人，每天超过亿次GPT攻击，攻击方式：可探测 -> 可访
# R语言如何进行Lasso回归
Lasso回归是一种在统计学和机器学习中常用的回归方法，它通过引入正则化项来减少模型的复杂度，从而提高模型的泛化能力。本文将介绍如何在R语言中进行Lasso回归，并解决一个实际问题。
## 1. Lasso回归简介
Lasso回归是一种线性回归模型，其目标函数为：
\[ \min_{\beta} \left( \frac{1}{2n} \| y - X\b
原创
2024-07-24 08:09:43
142阅读
# Python如何进行多元回归
## 介绍
多元回归是统计学中常用的一种回归分析方法，用于研究多个自变量与一个因变量之间的关系。在本文中，我们将使用Python来进行多元回归，并解决一个具体的问题。
## 问题描述
假设我们是一家电商公司，我们想要预测销售额与广告费用、促销活动和竞争对手的销售额之间的关系。我们已经收集了一段时间的数据，包括每个月的销售额、广告费用、促销活动和竞争对手的销售额
原创
2023-08-27 07:55:50
242阅读
文章目录1. K近邻法基础1.1 模型与算法1.2 距离度量1.3 K值选择1.4 邻近点的搜索算法2. kd-tree算法2.1 kd-tree构建方法2.2 kd-tree K近邻搜索方法3. ball-tree算法3.1 ball-tree构建方法3.2 ball-tree K近邻搜索方法4. 附录4.1 K值选择对回归性能的影响4.2 kd-tree构建和搜索4.3 ball-tree构
转载
2024-06-14 10:14:37
68阅读
# Spark任务切分的原理与实践
在大数据处理领域，Apache Spark 是一个广泛使用的分布式数据处理框架。Spark 通过将任务分解为一系列小任务来并行处理数据，从而实现高效的数据处理和分析。本文将介绍 Spark 是如何进行任务切分的，并通过一个实际问题的解决来展示其实际应用。
## 任务切分的原理
Spark 任务切分的基本原理是将输入数据分割为多个分区，每个分区都可以独立地处
原创
2023-12-28 12:41:43
200阅读
1 简介由于进出口贸易额波动较大,影响因素较多,一般预测算法难以得到较为准确的预测结果。针对该问题,提出基于PSO优化混合RVM模型的贸易预测方法。该方法首先找出影响进出口贸易的指标并通过主成分分析方法提取出指标的主因子作为模型的输入数据。然后在多个不同核函数的单一核RVM模型训练的基础上,根据单一核RVM模型预测误差采用多核加权的方法构建混合核RVM模型,最后通过PSO优化混合核模型参数以提高预
转载
2024-07-25 19:00:11
88阅读
回归测试的目的是在产品生命周期的各个阶段发现错误。为了实现这个目标，QA团队和开发人员应该从一开始就设计一个有效的回归测试策略。在这里，我们列出了有助于成功进行回归测试的步骤列表。 第1步：建立需求和目标组件 确定产品是从头开始开发还是正在开发的产品部分很重要。过滤第一部分后，再深入研究并隔离发生更改的组件/模块。这就是人们如何确定什么应该成为回归测试的一部分。每当模块修复错误
转载
2024-02-01 14:07:37
269阅读
1、将回归和分类放到阶段。两阶段网络都是将分类和回归分为两部分。2、Yolo 2016年出现。针对bx做回归，回归出类别的概率。使用独立的神经网络预测bx的位置和类别概率。（regeression problem）,一次迭代出全部结果。（bx本来就是一个回归问题，左上角右下角坐标，类别概率也当做回归问题） 假正例：模型认为是正例，但判断错误，例
转载
2024-08-11 09:12:06
200阅读
在回归分析浅析中篇的文章发出去之后，有热心网友问了一个直击灵魂的问题。确实，在中篇中写道：这句话该怎么理解呢？一般情况下，拿到研究数据之后，如果我们计划使用GLR工具，首先需要判断使用哪个模型，使用哪个模型是由数据来确定的，当数据都是整数时，究竟是用高斯还是泊松呢？我们知道，高斯模型需要满足数据正态分布。在Pro中如何看数据是否正态分布呢？打开Pro，在内容列表中选择包含因变量的原始图层，选择创建
转载
2024-04-26 14:43:22
126阅读
文章目录线性回归1- 准备2- 单变量线性回归理论介绍单变量线性回归模型**注意**：预测结果损失函数梯度下降法3- 实现单变量线性回归模型**任务1：****任务2：****任务3：****任务4：****任务5：****任务6：****任务7：**4- 实现多变量线性回归模型**任务8：**5- 特征归一化**任务9：**6- 正规方程**任务10：**7- 预测结果**任务11：**8-
转载
2024-05-08 11:23:28
153阅读
1、KNN算法 ① KNN算法原理: K临近(K-nearst neighbors) 是一种基本的机器学习算法，所谓的k临近，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。KNN算法即可以应用分类应用中，也可以应用在回归应用中 KNN在做回归和分类的主要区别在于最后做预测的时候的决策方式不同。KNN在分类预测时，一般采用多
转载
2023-12-19 11:23:58
97阅读
SMOTE算法处理非平衡数据与结果评估算法的提出背景：不平衡数据的常见处理方法SMOTE算法的原理SMOTE算法的python代码实现 算法的提出背景：在实际应用中，针对 分类问题中类别型的因变量可能存在严重的偏倚，即类别之间的比例严重失调。如：（1）欺诈问题中，欺诈类情况在样本集中毕竟占少数；（2）客户流失问题中，非忠实的客户往往也是占很少一部分；（3）在某营销活动的响应问题中，真正参与活动的
1. 单特征分析1.1 简介好特征可以从几个角度衡量：覆盖度，区分度，相关性，稳定性1.2 覆盖度1. 应用场景采集类，授权类，第三方数据在使用前都会分析覆盖度2. 分类采集类 ：如APP list （Android 手机 90%）授权类：如爬虫数据（20% 30%覆盖度）GPS （有些产品要求必须授权）3. 计算一般会在两个层面上计算覆盖度（覆盖度 = 有数据的用户数/全体用户数）
全体存
SMOTE算法处理非平衡数据与结果评估算法的提出背景：不平衡数据的常见处理方法SMOTE算法的原理SMOTE算法的python代码实现 算法的提出背景：在实际应用中，针对 分类问题中类别型的因变量可能存在严重的偏倚，即类别之间的比例严重失调。如：（1）欺诈问题中，欺诈类情况在样本集中毕竟占少数；（2）客户流失问题中，非忠实的客户往往也是占很少一部分；（3）在某营销活动的响应问题中，真正参与活动的
GBDT在前几年的机器学习竞赛以及工作中，人们使用着各种传统算法进行调参取得性能的提升，突然有一天杀出了一种名为GBDT的算法，改变了当前的格局，该算法在不同的场景中总是能够产生很好的效果，本文就让我们来了解一下GBDT。GBDT（Gradient Boost Decision Tree），中文名称可以直译为“梯度提升决策树”。要想弄明白GBDT具体是什么我们就要弄明白这里面的两个词语DT（Dec
原创
2023-03-03 06:27:50
331阅读
