python數據分析

 

 

 

文本相似度分析：

 

 

 

KNN算法：

def knn(k,testdata,traindata,labels):
    trainsize=traindata.shape[0]
    dif=np.tile(testdata,(trainsize,1))-traindata
    dif_2=dif**2

    row_sum=dif_2.sum(axis=1)
    distance=row_sum**0.5
    sorted_distance=distance.argsort()
    count={}
    for i in range(0,k):
        vote=labels[sorted_distance[i]]
        count[vote]=count.get(vote,0)+1
    count_sort=sorted(count,key=operator.itemgetter(1),reverse=True)
    count_sort[0][0]

 

 

知識點補充：

（axis  的取值方法：0-->表示行，進行列相加    1---->表示列，進行行相加       也就是      0行列相加，1列行相加）

 

 

 

 

 

邏輯迴歸：

 

決策樹（ID3,    C4.5,      CART）：

 

 

聚類算法原理：

 

 

bp神經網絡：誤差往前推

 

 

激活函數的說明：激活函數詳解--小白入門必備！！

                         設置PIP源

 

 

 

使用BP神經網絡進行手寫體數字的識別：

 

 

關聯規則分析：

 

apriori原理：

  ；