机器学习报告——数据分类的实现
目 录1 数据集 12 logistic 回归与神经网络 12.1 背景知识 12.1.1 线性及 sigmoid 函数 12.1.2 计算误差及修正参数 12.2 代码实现及结果分析 23 高斯判别分析 33.1 背景知识 33.2 代码实现 44 贝叶斯分类 44.1 背景知识 44.2 代码实现 45 性能分析 46 时效分析 47 影响因素分析 57.1 logistic 分类 58 总结 5A logistic 分类代码 6B GDA 分类代码 8C 贝叶斯分类代码 11D 贝叶斯库函数调用分类代码 12
1 数据集在本次作业中, 在 UCI 中选取了 Sonar 数据集进行分类, 该数据集具有 208 个样本,一共 60 个维度。任务是训练网络以区分反弹的声纳信号从金属圆柱上弹下来和从大致呈圆柱形的岩石弹起。每个模式是一组 60 个数字, 范围在 0.0 到 1.0 之间。每个数字代表在特定时间段内积分的特定频段内的能量。较高频率的积分孔径在时间上较晚出现, 因为这些频率是在线性调频期间稍后传输的。如果对象是岩石,则与每个记录关联的标签包含字母 “ $\mathrm{R}$ ...
数据挖掘报告——MIMC数据集的预处理
摘 要在本次的大作业中，这里首先利用 MySQL 对数据进行整合，并提取出包含 $CO_2$ 和 $O_2$ 相应指标的数据，然后将提取的数据导出，并导入到 Python 中。然后利用第一组数据为示例分别进行缺失值、离群点处理，并完成去噪以及插值处理。随后选出另两组为示例进行可视化，最后得出实验感想与分析，这里去噪利用了 $3\sigma$ 原则。
关键词: $\quad$ MySQL Python $\quad 3\sigma$ 原则
目 录1 数据处理 11.1 数据提取 11.2 数据具体处理 11.3 数据合并 11.4 缺失值处理 21.5 离群点处理 21.6 去噪 41.7 插值 52 第二组数据 52.1 离群点处理 52.2 去噪 62.3 插值 73 第三组数据 83.1 离群点处理 83.2 去噪 93.3 插值 94 总结 10A SQL 程序代码 1 11B SQL 程序代码 2 11(\mathrm{C}) 主程序代码 11D 作业要求 14D. 1 数据集说明 14D. 2 任务说明 14
1 数据处理1.1 数据提取这次作业中数据较大, 直接读取很难看出 ...
记录我的第一次搭建博客
艰难的第一次搭博客其实我在很早之前就想搭博客，大概大一开始的时候，就想着做一些有意义，有兴趣的事，结果一直拖到了现在才开始真正意义上的实践，我也是趁着这次对大一的培训搭建博客，顺便才开始做，看上去不是很难的一件事，实际去做，我却遇到了很多困难，就光配置markdown的front-matter的时候，因为不知道里面还有其他东西，就一直报错，而且和其他一起弄的，我还找不到原因，就导致我花了很大的时间，最后遇到的一个问题是图片的在线存储问题，最后用的码云的仓库来放的，最后头像也解决了，我才能说，我基本才算是搭建成了一个基本的框架。
哎，之前跟现在相比，其实并不忙的，但也是懒，还有各种找的原因，结果到现在，对这样搭博客的基本知识都还都不太了解，有点小愧疚，以后还是得加把劲了。
现在还有一堆大作业要去写，剩下的时间也不多了，就先这样吧。
配置起来不是访问有问题需要外网就是图片的问题，真是很难。
