文章目录6.6 特征降维学习目标1 降维1.1 定义1.2 降维的两种方式2 特征选择2.1 定义2.2 方法2.3 低方差特征过滤2.3.1 API2.3.2 数据计算2.4 **相关系数**2.4.1 皮尔逊相关系数(Pearson Correlation Coefficient)2.4.2 斯皮尔曼相关系数(Rank IC)3 主成分分析3.1 什么是主成分分析(PCA)3.2 API3.
转载
2024-05-10 10:11:06
7阅读
这是今天读的第二篇论文，EfficientDet: Scalable and Efficient Object Detection。论文地址以引用方式出现，听起来好像挺酷，其实大家根本不会看的，对吧 = =这篇论文主要讨论了两个方面，加权双向特征金字塔网络（BiFPN）也是本文重点，另一方面提出改进型网络EfficientDet，可以同时统一缩放所有骨干网、特征网络和框/类预测网络的分辨率、深度和
转载
2024-07-31 12:17:52
326阅读
目录1、MySQL8新特性概述1.1、MySQL8.0新增特性1.1.1. 更简便的NoSQL支持1.1.2. 更好的索引1.1.3.更完善的JSON支持1.1.4.安全和账户管理1.1.5.InnoDB的变化1.1.6.数据字典1.1.7. 原子数据定义语句1.1.8.资源管理1.1.9.字符集支持1.1.10.优化器增强1.1.11.公用表表达式1.1.12.窗口函数1.1.13.正则表达式支
转载
2024-07-13 14:40:52
28阅读
距离变换是计算并标识空间点（对目标点）距离的过程，它最终把二值图像变换为灰度图像[1]（其中每个栅格的灰度值等于它到最近目标点的距离）。目前距离变换被广泛应用于计算机图形学、GIS空间分析和模式识别等领域。
按距离类型划分，距离变换可分为：非欧氏距离变换和欧氏距离变换（EDT）。其中EDT精度高，与实际距离相符，应用更广泛。目前随着应用的需要，已经有多种EDT算法[2-6]。按变换方式分，
# Python 有向加权复杂网络特征统计
在现代数据分析中，复杂网络的研究逐渐成为一个重要的领域。尤其是在社交网络、交通网络和生物网络等应用中，理解网络的结构及其动态特性对于解决实际问题至关重要。本文将介绍如何使用 Python 进行有向加权复杂网络的特征统计，并提供相关的代码示例。
## 复杂网络的基础概念
### 有向网络与加权网络
- **有向网络**（Directed Netwo
数据的描述维度：数据的维度主要用集中趋势、离散程度、分布形态三块表示。一、集中趋势1.算数平均值2.加权算数平均值注：算数平均值是特殊的加权算数平均值，其每个权重均为1；同时如果数据样本中出现极大值、极小值时，再计算平均值，其实际的意义可能就会打折扣，如我们经常说的被平均了。3.几何平均值 示例：制造企业使用几何平均数识别产线上的隐形损耗4.众数：出现次数最多的数注：如果一个样本 集中有两个众数，
转载
2024-01-22 12:50:25
346阅读
特征值/特征向量的计算 文章目录特征值/特征向量的计算特征值分解(EVD)奇异值分解(SVD)PCA(主成分分析)Funk SVDLFMALSNeural CF（NCF）GMF 首先如公式所示 如果向量 和 满足以上公式，那么他们可以分别叫做矩阵A的特征向量和特征值，至于特征向量和特征值的物理含义是什么，可以参考b站 3blue1brown的视频(天花板级讲解) 特征值分解(EVD)同样摆出
1.原型聚类：典型的做法是K-means，首先设定k个类别，随机的在总体样本中选择k个样本作为聚类中心，然后遍历所有样本点，把所有样本点分类到k个类中（以最短距离为标准），然后更新k个样本的样本中心，再重新划分所有的样本点。停止条件可以设定为样本的变化幅度不大的情况，或者两次的损失函数变化不大的情况。优点：简单、时间复杂度、空间复杂度低缺点：随机初始化的中心点对结果影响很大；2.层次聚类：就是对所
特征工程-数据处理（2）非结构型数据非结构型数据的归一化方法 非结构型数据的归一化方法词袋模型 每篇文章看成一袋子词，并忽略每个词出现的顺序。具体地说，就是将整段文本以词为单位切分开， 然后每篇文章可以表示成一个长向量，向量中的每一维代表一个单词，而该维对应的权重则反映了这个词在原文章中的重要程度。所以文本的单词就是文本的特征，这个特征的重要性常用TF-IDF来计算，权重公式为 ，其中为文章总数
JS 一、kNN算法概述 kNN是k-Nearest Neighbour的缩写，这是一种非常简单且易于理解的分类算法。回想我们从小到大在认知事物的过程当中，我们是如何判断一种事物是属于哪种类别的?通常的一种思路就是，分析当前这个事物与我们之前所知道的类别特征进行比对，找出最接近的一类，然后就可以把这个东西归属于这一个类别。kNN算法大致就是这么一个思路，直接通过测量不同特征值之间的距离来达到分
转载
2024-05-30 08:48:11
34阅读
https://www.nowcoder.com/discuss/2059551 特征工程：最大限度地数据中提取特征以供模型和算法使用，包括特征处理，特征选择，降维。2 lgb2.1 基本介绍： 一个梯度boosting框架，使用决策树，分布式，训练效率，准确率高，内存低，处理数据地规模大。2.2 xgb的缺点：每次迭代都要遍历数据很多次：预排序法： 要保存数据的特征值以及特征排序的结果
决策树的部分理解决策树 是表示基于特征对实例进行分类的树形结构从给定的训练数据集中，依据特征选择的准则，递归的选择最优划分特征，并根据此特征将训练数据进行分割，使得各子数据集有一个更好的分类的过程决策树算法的三要素：特征选择决策树生成决策树剪枝（暂时没接触到）关于决策树生成：决策树的生成过程就是使用满足划分准则的特征不断的将数据集划分为纯度更高，不确定性更小的子集的过程对于当前数据集D的每一次的
PageRank算法原理介绍 PageRank算法是google的网页排序算法，在《The Top Ten Algorithms in Data Mining》一书中第6章有介绍。大致原理是用户搜索出的多个网页需要按照一定的重要程度（即后面讲的权重）排序，每个网页的权重由所有链接到它的其他网页的权重的加权和，加权系数为每个网页链出的网页数的倒数，也就是说每个网页的权重会平均分配到其链向的所有网页
转载
2024-01-04 07:09:40
77阅读
前言python语言中的groupby技术，是一种“拆分-应用-合并”的范式。所谓范式，它具有复用能力，可以应用到不同的符合的应用场景。pandas有两种数据结构，分别是Series和DataFrame。我们可以简单理解Series是一个没有列名的一组值，DataFrame是几个带有列表的列的组合。如果首次接触，可以多想想平时接触到的各种excel和csv等格式的数据文件，然后结合着
转载
2023-09-25 05:57:26
523阅读
刚开始学习CS229，Part I中关于线性回归讲解非常细致，相当基础的内容，感觉还挺容易实现的，就尝试用python实现，经过一番尝试，最后能逼近样本并且画出图，效果如下：图是通过python的一个图形库matplotlib画的，这个库旨在用python实现matlab的画图功能(或者还有计算功能，不过计算功能主要是numpy这个库来做的)先说算法(其实也没什么好说的，自己备忘)使用线性的预估函
转载
2023-11-11 23:09:05
85阅读
random是用于生成随机数的，我们可以利用它随机生成数字或者选择字符串。random.seed(x)改变随机数生成器的种子seed。一般不必特别去设定seed，Python会自动选择seed。random.random() 用于生成一个随机浮点数n,0 <= n < 1random.uniform(a,b) 用于
转载
2023-06-16 16:26:26
252阅读
1、窗口计算Pandas 窗口函数，为了处理数字数据，Pandas 提供几种窗口函数，如移动窗口函数(rolling())，扩展窗口函数(expanding())，指数加权滑动(ewm())，同时可在基基础上调用适合的统计函数，如求和、中位数、均值、协方差、方差、相关性等。rolling(10) 与 groupby 很像，但并没有进行分组，而是创建了一个按移动 10（天）位的滑动窗口对象。我们再对
转载
2023-08-19 16:35:21
589阅读
NumPy常用函数(2)成交量加权平均价格(VWAP):vwap是经济学上的一个重要量，代表了金融资产的平均价格。某个价格的成交量越高，该价格所占的权重就越大 示例：import numpy as np
c,v = np.loadtxt("000875.csv",delimiter=',',usecols=(3,5),unpack=True)
vwap = np.average(c,weight
转载
2023-08-11 17:46:28
128阅读
Opencv——线性混合操作(addWeighted函数应用)Ps：素材来源：opencv编程，目的是记录自己的学习过程。一，线性混合操作1）线性混合操作是一种典型的二元（两个输入）的像素操作，它的理论公式如下：g(x) = (1-a)fa(x) + af3(x)。通过在范围0到1之间改变alpha值来对两幅图像（f0(x)和f1(x)）或两段视频（同样为f0(x)和f1(x)）产生时间上的画面叠
转载
2024-08-15 19:27:53
79阅读
pdf版请移步到知识星球：42173863（免费）知识点：特征向量与特征值是什么怎么计算特征向量与特征值矩阵的迹和特征值的关系21.1 特征值与特征向量的由来给定矩阵A，矩阵A乘以向量x，看成是输入x，输出Ax，当输入与输出指向相同的方向时，我们称输入X为特征向量，且这时肯定有 就是特征值。 21.2 计算特征值与特征向量例一：特征值为0的特征向量 可
转载
2024-07-23 09:18:21
312阅读
