原创 理解K折交叉驗證
k 折交叉驗證 第一步，不重複抽樣將原始數據隨機分爲 k 份。 第二步，每一次挑選其中 1 份作爲測試集，剩餘 k-1 份作爲訓練集用於模型訓練。 第三步，重複第二步 k 次，這樣每個子集都有一次機會作爲測試集，其餘機會作爲訓練集
2020-02-28 10:51:55
原创 聚類分析（二）——二分K均值
一般的K均值，所分成的簇往往是局部最優，而不是全局最優，比如下圖，簇也不會再更新了，但顯然沒達到我們的要求。 算法思想： 顧名思義，二分k均值就是每次將數據集一分爲二，即k均值算法中的k值爲2，第一次是在整個數據集上劃分，這裏沒
2020-02-26 04:58:30
原创 社交網絡中影響力傳播模型
1.獨立級聯模型 獨立級聯模型（Independent Cascade Mode,IC模型）是一種概率模型，當一個節點v被激活時，它會以概率p[v,w]對它未激活的出邊鄰居節點w嘗試激活，這種嘗試僅僅進行一次，而且這些嘗試之間是互
2020-02-26 04:58:30
原创 二叉樹的前中後序遍歷 遞歸/非遞歸（python版）
中序遍歷（非遞歸）： def inorderTraversal(self, root: TreeNode) -> List[int]: res=[] stack=[] if not root:
2020-02-26 04:58:30
原创 聚類分析（三）——DBSCAN算法
一.簡介 DBSCAN算法是一種基於密度的聚類算法。 基於密度的聚類算法會尋找被低密度區域分離的高密度區域。 . 該算法我們首先需要將所有的點分爲：核心點，邊界點，噪聲點。 區分這些點的依據是根據我們提前給出的MinPts和Eps
2020-02-26 04:58:30
原创 關聯分析（一）基本概念和內容簡介
數據挖掘--關聯分析（一）一.基本概念二.問題定義 一.基本概念 1.非對稱的二元變量：通常認爲項在事務中出現比不出現重要 2.支持度計數：包含某個項集的事務的個數 3.支持度和置信度： 支持度： 置信度： 二.問題定義 1.
2020-02-26 04:58:30
原创 一文理清楚，準確率，精度，召回率，真正率，假正率，ROC/AUC
一.混淆矩陣 如上圖爲一個混淆矩陣， True Positive （真正, TP）被模型預測爲正的正樣本； True Negative（真負 , TN）被模型預測爲負的負樣本 ； False Positive （假正, FP）被
2020-02-26 04:58:30
原创 關聯分析（二）Apriori算法理解與介紹
Apriori算法理解與介紹 一.基本概念 1.基於先驗原理的剪枝 先驗原理：如果一個項集是頻繁的，則它的所有子集一定也是頻繁的。相反，如果一個項集是非頻繁的，則他的所有超集也是非頻繁的。 先驗原理的理解也很簡單，將支持度的公式列
2020-02-26 04:58:20
原创 有效的數獨(python)---leetcode36
判斷一個 9x9 的數獨是否有效。只需要根據以下規則，驗證已經填入的數字是否有效即可。 數字 1-9 在每一行只能出現一次。 數字 1-9 在每一列只能出現一次。 數字 1-9 在每一個以粗實線分隔的 3x3 宮內只能出現一次。 數獨部分
2020-02-26 04:58:20
原创 二叉樹的層次遍歷（python的遞歸與非遞歸）----leetcode 102
非遞歸 class Solution: def levelOrder(self, root: TreeNode) -> List[List[int]]: if not root: retu
2020-02-26 04:58:20
原创 在排序數組中查找元素的第一個和最後一個位置 (python)----leetcode34
給定一個按照升序排列的整數數組 nums，和一個目標值 target。找出給定目標值在數組中的開始位置和結束位置。 你的算法時間複雜度必須是 O(log n) 級別。 如果數組中不存在目標值，返回 [-1, -1]。 示例 1: 輸入:
2020-02-26 04:58:20