分为两大类： 一：静态存储区（只做一次初始化，不关机不丢失，结果维持一份） 外部变量+静态变量（静态变量按定义以及作用域又分：①源文件下的，②某个函数中的，③某个函数中的某几句用{}括起来的） 结果维持一份； 二：栈stack（每次调用都会初始化，每个被调用中维持一份拷贝） 一般变量 三：堆heap
转载
2017-02-14 16:30:00
145阅读
2评论
2013年3月20日 星期三 晴
变量分类
1、环境变量
PATH：命令搜索路径
PS1：主提示符
UID：用户ID号
系统初始化配置文件
[root@desktop7 ~]# vim /etc/profile
[root@desktop7 ~]# vim /etc/bashrc
[root@desktop7 ~]# v
原创
2013-03-21 17:03:13
326阅读
1.虚拟变量定义：虚拟变量(Dummy Variable) 也叫哑变量，它算不上一种变量类型，确切地说，是将多分类变量转换为二分类变量的一种形式。如果数据为定类数据，比如专业、性别等，其数字仅代表类别，数字大小并没有意义，此时可以考虑引入哑变量，将不能够定量处理的变量量化，再进行分析。2.什么情况下需要设置虚拟变量2.1对于无序多分类变量举一个例子，如血型，一般分为A、B、O、AB四个类型，为无序
转载
2023-08-11 14:42:21
333阅读
前言 机器学习的主要任务便是聚焦于两个问题：分类和回归。本文将浅谈下两者的区别。区别 回归会给出一个具体的结果，例如房价的数据，根据位置、周边、配套等等这些维度，给出一个房价的预测。 &n
转载
2024-03-31 10:32:19
59阅读
1.分类变量分类变量是用来表示类别或标记的。在实际的数据集中，类别的数量总是有限的。类别可以用数字表示，但与数值型变量不同，分类变量的值是不能被排序的。（作为行业类型，石油和旅游之间是分不出大小的。）它们又称为无序变量。2.分类变量的编码分类变量中的类别通常不是数值型的。 1 例如，眼睛的颜色可以是“黑色”“蓝色”和“褐色”，等等。因此，需要一种编码方法来将非数值型的类别转换为数值。我们很容易想到
转载
2024-01-21 07:07:53
94阅读
分类问题描述广义线性回归通过联系函数对线性模型的结果进行一次非线性变换，使它能够描述更加复杂的数据关系。联系函数可以是任何一个单调可微函数。除了回归问题，现实世界中，还有另外一类非常常见的任务——分类问题。 输入是样本特征，输出是离散值，表示样本属于哪个类别。 例如，在鸢尾花数据集中， 如果要实现图像分类，例如手写数字识别。手写数字的图像会以向量的形式提供给分类器。实现分类器那么怎么才能实现这样的
前言在机器学习中，“分类”和“回归”这两个词经常听说，但很多时候我们却混为一谈。本文主要从应用场景、训练算法等几个方面来叙述两者的区别。 本质区别分类和回归的区别在于输出变量的类型。分类的输出是离散的，回归的输出是连续的。定量输出称为回归，或者说是连续变量预测； 定性输出称为分类，或者说是离散变量预测。若我们欲预测的是离散值，例如"好瓜""坏瓜"，此类学习任务称为 "分类"。若欲预测的是
转载
2024-01-10 12:55:10
81阅读
输入变量与输出变量均为连续变量的预测问题是回归问题； 输出变量为有限个离散变量的预测问题成为分类问题；其实回归问题和分类问题的本质一样，都是针对一个输入做出一个输出预测，其区别在于输出变量的类型。 分类问题是指，给定一个新的模式，根据训练集推断它所对应的类别（如：+1，-1），是一种定性输出，也叫离散变量预测； 回归问题是指，给定一个新的模式，根据训练集推断它所
转载
2023-12-26 06:38:45
56阅读
机器学习中级教程1.介绍2.缺失值3.分类变量4.管道(Pipelines)5.交叉验证6.梯度提升(XGBoost)7.数据泄漏有很多非数字数据。下面是如何将其用于机器学习。在本教程中，您将了解什么是分类变量，以及处理此类数据的三种方法。正文介绍分类变量只接受有限数量的值。考虑一项调查，询问你多久吃一次早餐，并提供四个选项：“从不”、“很少”、“大多数天”或“每天”。在这种情况下，数据是分类的，
转载
2023-10-23 16:18:42
77阅读
统计学中的变量指的是研究对象的特征，我们有时也称为属性，例如人的身高、性别等。 每个变量都有变量的值和变量的类型。我们按照变量的类型对变量进行划分。数值变量（numrical）和分类变量（categorical）。 数值型变量是值可以取一些列的数，这些值对于 加法、减法、求平均值等操作是有意义的。而分类变量对于上述的操作是没有意义的。 数值变量又可
转载
2023-06-19 16:33:03
97阅读
机器学习——特征工程之分类变量前言分类变量的编码1、one-hot 编码2、虚拟编码3、效果编码处理大型分类变量1、特征散列化2、分箱计数总结 前言关于特征工程，已经对空值、数值型和文本数据的处理做了大致方法的说明，这篇对数据类型中的另一大重要部分——分类变量，作处理方法总结。声明：关于编程语法相关问题不会展开论述，本文只针对方法路线分类变量的编码先说明什么样的数据被称为分类变量：分类变量是用来
转载
2023-12-15 21:29:35
176阅读
三、处理分类型特征：编码与哑变量
点击标题即可获取文章相关的源代码文件哟！在机器学习中，大多数算法，譬如逻辑回归，支持向量机SVM，k近邻算法等都只能够处理数值型数据，不能处理文字，在sklearn当中，除了专用来处理文字的算法，其他算法在fit的时候全部要求输入数组或矩阵，也不能够导入文字型数据（其实手写决策树和普斯贝叶斯可以处理文字，但是sklearn中规定必须导入数值型）。然而在现实中，许多
转载
2023-11-11 23:48:57
262阅读
一、关键变量发掘技术（key attribute discovery techniques） 关键变量发掘技术，其实，就是从数据集中的所有数据变量中找到那些影响分类模型最大的那些关键变量。 1.两种变量是必须需要剔除的。 相关变量（redundant）：如果一个变量和另一个变量高度相关，这个时候，此变量就无法给系统提供更多的信息，因此需要去掉。 不相关变量（irrele
转载
2023-12-24 08:52:26
158阅读
变量的分类 变量可以分为全局变量、静态全局变量、静态局部变量和局部变量。 按存储区域
转载
2023-06-17 08:48:19
69阅读
二：变量分类1.自定义变量 定义变量：变量名=变量值 例如：xingdian=123 引用变量：{变量名} 查看变量：echo $变量名 取消变量：unset 变量名 作用范围：仅在当前shell中有效2.环境变量 定义环境变量： 方法一 export back_dir2=/home/backup 方法二 export
原创
2023-08-18 11:14:05
0阅读
基于逻辑回归的分类预测一、学习目标二、代码实践1.代码流程2.demo实践3.基于鸢尾花（iris）数据集的逻辑回归代码实践三、逻辑回归原理简介 一、学习目标了解逻辑回归的理论掌握逻辑回归的sklearn函数的调用使用并将其运用到鸢尾花数据集预测二、代码实践1.代码流程demo实践 1.库函数导入 2.模型训练 3.模型参数查看 4.数据和模型可视化 5.模型预测基于鸢尾花（iris）数据集的逻
转载
2024-06-18 14:50:41
47阅读
1、数据类型数据分析中主要有两类变量：分类变量：分类变量取值一个集合，每一个值表示变量的一个分类，分类变量可以分为顺序变量和名称变量
顺序变量可以按照一定顺序排列起来，如：评价体检结果：不良<一般<良好名称变量不存在顺序关系，如：性别男或者女数值变量：本身是数值型，其次可以进行数值操作，如：平均值和标准差等2、数据探索数据探索中，主要计算数据的一些统计量，并通过图和表的形式进行总结2、
转载
2023-09-17 14:57:08
124阅读
今天梳理一下逻辑回归，这个算法由于简单、实用、高效，在业界应用十分广泛。注意咯，这里的“逻辑”是音译“逻辑斯蒂（logistic）”的缩写，并不是说这个算法具有怎样的逻辑性。
前面说过，机器学习算法中的监督式学习可以分为2大类：
分类模型：目标变量是分类变量（离散值）；
回归模型：目标变量是连续性数值变量。
逻辑回归通常用于解决分类问题，例如，业界经常用它来预测
转载
2024-04-05 14:39:56
46阅读
目录1 Java语言支持的变量类型有：2 Java 局部变量3 实例变量4 类变量（静态变量）5 总结1 Java语言支持的变量类型有：类变量：独立于方法之外的变量，用 static 修饰。实例变量：独立于方法之外的变量，不过没有 static 修饰。局部变量：类的方法中的变量。/** * 测试变量 * * @author 赵广陆 * */public c
原创
2020-01-26 00:01:12
119阅读
python 里面无非就是三种类型最为重要：字符串，列表，字典这几种类型首先应该要学会的是 索引，切片，和迭代： 字符串''字符串在内存中一但创建就不可修改，如果要修改内存会重新创建一个字符串'''1.字符串切片，及索引：1 test = 'pangrou'
2 v= test[3]
3 print(v)
4 #拿索引范围-1为最后位置（切片）
5 v= test[0:1]
6 prin
转载
2023-07-28 12:08:31
78阅读
