♚
豌豆花下猫，某985高校毕业生， 兼具极客思维与人文情怀 。专注python技术、数据科学和深度学习，力图创造一个有趣又有用的学习分享平台。上个月，有同学问了个题目，大意可理解为列表降维 ，例子如下：oldlist = [[1, 2, 3], [4, 5]]
# 想得到结果：
newlist = [1, 2, 3, 4, 5]原始数据是一个二维列表，目的是获取该列表中所有元素的具体值
转载
2023-10-19 18:54:32
100阅读
通常情况下，在收集数据集时会有很多的特征，这代表着数据是高冗余的表示，但是对于某个工程来说其实可能并不需要那么多的特征。所以就需要给数据进行降维（Dimensionality Reduction）。降维可以简化数据，使数据集更易使用，降低时间开销，而且能减少一部分噪音的影响，使最后的效果变好。目前，主要降维方法有：主成分分析法(Principal Component Analysis, PCA)、
高维数据降维之线性判别分析 LDA高维数据降维是指采用某种映射方法，降低随机变量的数量，例如将数据点从高维空间映射到低维空间中，从而实现维度减少。降维分为：特征选择 和 特征提取特征选择：是从含有冗余信息以及噪声信息的数据中找出主要变量；特征提取：是去掉原来的数据，生成新的变量，可以寻找数据内部的本质结构特征。降维的过程是通过对输入的原始数据特征进行学习，得到一个映射函数，实现将输入样本映射后到低
本文先导：在我们平时看NBA的时候，可能我们只关心球员是否能把球打进，而不太关心这个球的颜色，品牌，只要有3D效果，看到球员扣篮的动作就可以了，比如下图：如果我们直接对篮球照片进行几百万像素的处理，会有几千维甚至几万维的数据要计算，计算量很大。而往往我们只需要大概勾勒出篮球的大概形状就可以描述问题，所以必须对此类数据降维，这样会使处理数据更加轻松。这个在人脸识别中必须要降维，因为我们在做特征提取的
import numpy as np 第一步：原始值X10.92.41.20.50.31.80.50.32.51.3X212.61.70.70.71.40.60.62.61.1 第二步：计算平均值=1.17，np.mean(x1)=1.1700000000000002=1.3, np.mean(x2)=1.3 第三步：X1 - ，X2 - ，得到如下表格X110.9-=-0.272.4-=1.2
转载
2016-08-18 21:51:00
94阅读
三级火箭 - 降维打击 降维打击：来自三体，四维生物自己降一个维度后，打击四维空间，让整个空间都降维，其他四维生物就被压扁了，而且对方无能为力。例如：安全市场以前是通过手年费的商业模式，360把这个维度去掉了（免费），同时过的很好，却让对方没法过了。线上电商对线下电商的去空间化也属于降维打击。降维的操作：主要是搞清自己现存市场的商业模式的关键点，保证去掉一个或多个后，自己可以有存活空间，从而改变市
# 如何实现Python 2维数组循环
## 概述
在Python中实现2维数组的循环可以通过嵌套循环来实现，分别对行和列进行循环操作。本文将向刚入行的小白开发者介绍如何实现Python 2维数组的循环，并通过步骤展示整个流程。
## 流程步骤
下表展示了实现Python 2维数组循环的步骤：
| 步骤 | 操作 |
| ---- | ---- |
| 1 | 创建一个二维数组 |
| 2
持续集成（CI）作业会生成大量数据。当一个作业失败时，弄清楚出了什么问题可能是一个繁琐的过程，它涉及到调查日志以发现根本原因 —— 这通常只能在全部的作业输出的一小部分中找到。为了更容易地将最相关的数据与其余数据分开，可以使用先前成功运行的作业结果来训练 Logreduce 机器学习模型，以从失败的运行日志中提取异常。此方法也可以应用于其他用例，例如，从 Journald 或其他系统级的常规日志文
# Python 高维聚类算法入门教程
在机器学习中，聚类是一种无监督学习方法，目的是将数据分组为彼此相似的集群。本文将为刚入行的小白介绍如何使用 Python 实现高维聚类算法，特别是 K-means 算法。以下是实施的步骤流程：
| 步骤 | 描述 | 代码示例 |
|------|---------------
# Python如何输出向量维数
## 引言
在数据分析和机器学习中，向量是一种基本的数据结构。向量是一个有序的元素集合，可以表示为一个列表或数组。在某些情况下，我们需要知道向量的维数，即向量的长度或元素的个数。本文将介绍如何使用Python来输出向量的维数，并提供了代码示例。
## 解决方案
要输出向量的维数，我们可以使用Python内置的len()函数来计算列表或数组的长度。下面是一个简单
# 如何在Python中实现三维散点图添加图例
## 引言
作为一名经验丰富的开发者，我将指导你如何在Python中实现三维散点图添加图例。对于刚入行的小白来说，这可能是一个挑战，但是通过本文的指导，你将轻松掌握这个技巧。
## 整体流程
首先，让我们来看一下整个实现过程的步骤，你可以根据以下表格来进行操作：
```mermaid
journey
title 整体流程
sec
## Python计算太阳赤纬的方案
太阳赤纬是一个天文学上的重要参数，它反映了太阳在天球上相对于赤道的位置。在天文学应用、气象学研究以及太阳能发电等领域，了解太阳赤纬对于计算太阳辐射和其他相关应用至关重要。本文将介绍如何使用Python来计算太阳赤纬，并提供具体的代码示例。
### 什么是太阳赤纬？
**太阳赤纬（Declination of the Sun）**是太阳在天球上的位置角，其
PCA算法的步骤① 样本矩阵X的构成假设待观察变量有M个属性，相当于一个数据在M维各维度上的坐标，我们的目标是在保证比较数据之间相似性不失真的前提下，将描述数据的维度尽量减小至L维(L样本矩阵X在这里用x 1 ,x 2 ,…,x N 共N个数据(这些数据都是以列向量的形式出现)来表示，那么X=[x 1 x 2
本文包括两部分，使用python实现PCA代码及使用sklearn库实现PCA降维，不涉及原理。总的来说，对n维的数据进行PCA降维达到k维就是：对原始数据减均值进行归一化处理；求协方差矩阵；求协方差矩阵的特征值和对应的特征向量；选取特征值最大的k个值对应的特征向量；经过预处理后的数据乘以选择的特征向量，获得降维结果。 实验数据数据data.txt使用[2]中编写的数据，以下是部分数据截
转载
2023-08-10 11:37:47
206阅读
图像金字塔 图像金字塔是图像多尺度表达的一种，是一种以多分辨率来解释图像的有效但概念简单的结构。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔，层级越高，则图像越
转载
2023-08-26 19:58:51
357阅读
重构背景及原因 最近由于项目组的人员在不断扩充，导致项目中代码风格各异，大有百花齐放甚至怒放之势。考虑到团队的生存与发展，经过众人多次舌战之后，最终决定项目组根据业务分成几个小分队，以加强团队管理与提高效率，同时也能培养阶梯人才。各个小分队为了“统一”代码风格，提高成员的代码能力以便最终能提高项目代码质量，减少以后的维护成本，最终决定“每日”进行小组内的代码走查/审查（Code Review），
转载
2023-08-08 11:54:59
184阅读
sklearn中的降维算法1. PCA与SVD sklearn中降维算法都被包括在模块decomposition中，这个模块本质是一个矩阵分解模块。在过去的十年中，如果要讨论算法进步的先锋，矩阵分解可以说是独树一帜。矩阵分解可以用在降维，深度学习，聚类分析，数据预处理，低纬度特征学习，推荐系统，大数据分析等领域。在2006年，Netflix曾经举办了一个奖金为100万美元的推荐系统算
数据降维：定义：特征的数量减少特征选择：原因：1、冗余部分特征相关性高，容易消耗计算机性能2、噪声：部分特征对预测结果有负影响工具：1、Filter（过滤式）：VarianceThreshold （sklearn.feature_selection.VarianceThreshold）2、Embedded（嵌入式）：正则化、决策树3、Wrapper（包裹式）方差大小来考虑P
转载
2023-08-31 15:36:19
96阅读
注： 在《SVD(异值分解)小结 》中分享了SVD原理，但其中只是利用了numpy.linalg.svd函数应用了它，并没有提到如何自己编写代码实现它，在这里，我再分享一下如何自已写一个SVD函数。但是这里会利用到SVD的原理，如何大家还不明白它的原理，可以去看看《SVD(异值分解)小结 》，或者自行百度/google。1、SVD算法实现1.1 SVD原理简单回顾有一个\(m \times n\)
转载
2023-08-03 16:23:55
111阅读
主成分分析(Principal Component Analysis)Step 1:去相关(Decorrelation)Step 2: 降维(Reduce Dimension)数据是文本时Step 1:去相关(Decorrelation) 旋转数据样本，使它们与坐标轴对齐，并且样本均值变为0。##########################
转载
2023-06-21 21:04:08
179阅读
