爱影客

EasyExcel Manual一：引入依赖1234567891011121314151617181920212223242526272829303132333435363738<!--excel操作工具--><dependency> <groupId>com.alibaba</groupId> <artifactId>easyexcel</artifactId> <version>3.1.3</version></dependency><!--日期格式化工具--><dependency> <groupId>joda-time</groupId> <artifactId>joda-time</artifactId> <version>2.12.1</version></dependency><!--实体工具--><dep ...

Z 字形变换一：题目将一个给定字符串 s 根据给定的行数 numRows ，以从上往下、从左到右进行 Z 字形排列。 比如输入字符串为 "PAYPALISHIRING" 行数为 3 时，排列如下： 之后，你的输出需要从左往右逐行读取，产生出一个新的字符串，比如："PAHNAPLSIIGYIR"。 二：实例示例 1： 12输入：s = "PAYPALISHIRING", numRows = 3输出："PAHNAPLSIIGYIR" 示例 2： 1234567输入：s = "PAYPALISHIRING", numRows = 4输出："PINALSIGYAHRPI"解释：P I NA L S I GY A H RP I 示例 3： 12输入：s = "A", numRows = 1输出："A" 三：提示 1 <= s.length <= 1000 s 由英文字母（小写和大写）、& ...

逻辑回归一：复杂的分类问题1. 直线决策边界通过 x1 和 x2 去判断 y的值 概念分布函数 核心问题：找到 g(x)，即蓝色的直线； 决策边界： 2. 圆形决策边界 获取概念分布，逻辑回归方程： 圆形的 g(x) 与直线的 g(x) 不同，新增了2此项。由此获取一个曲线或者圆形。 决策边界： 3. 总结 当使用逻辑回归去求解问题时，核心即找到决策边界。 逻辑回归结合多项式的边界函数，可以解决复杂的分类问题。 线性边界，即多项式为1次； 圆形边界，即多项式为2次； 二：逻辑回归问题求解 概念分布函数 对应的边界函数关系 1. 寻找类别边界根据训练样本，寻找类别边界； 即：根据训练样本，寻找找 θ0、θ1、θ2 2. 如何求解系数 分类问题，标签与预测结果都是离散的点，使用该损失函数无法寻找到极小值点。 图像： 等效转换关系式： 带入P(x)，求解 采用梯度下降法，获取最小化的损失函数 J 三：命名问题逻辑回归的主要场景是分类问题，称其为逻辑回归是否合适，为什么？ 逻辑回归虽然名字中有回归，但实际上它是一个二分类算法。 逻辑 ...

逻辑回归一：分类任务任务：根据余额判断小明是否会去看电影； 训练数据： 余额为1、2、3、4、5，看电影（正样本） 余额为-1、-2、-3、-4、-5，不看电源（负样本） 作图： 二：线性回归预测1. 预测结果 2. 存在问题当样本量变大以后，准确率会下降； 当 x=1 时，受到很远处离散点的影响，预测结果开始出现偏差。 三：逻辑回归预测1. 逻辑回归方程 2. 函数图像 3. 预测结果 由上可知，相比线性回归而言，采用逻辑回归拟合数据，可以更好的完成分类任务！ 四：逻辑回归1. 概念用于解决分类问题的一种模型。 根据数据特征或者属性，计算其归属于某一类别的概念P(x)，根据概念数值判断其所属类别。 2. 应用场景二分类问题 3. 数学表达式逻辑回归方程，也称作 sigmoid 方程。 4. 典型逻辑回归概念分布曲线 5. 任务预测根据余额判断小明是否会去看电影（余额-10，100） 逻辑回归方程： 带入参数值，获得结果： 结论： 余额 -10，即 y = 0，不去看电影； 余额 100，即 y = 1，去看电影；

分类问题一：什么是分类问题？1. 概念根据已知样本的某些特征，判断一个新样本属于哪一个已知样本类。 2. 基本框架 其中 x 为样本的特征，即属性。 3. 案例（1）邮件分类 （2）任务 输入：电子邮件 输出：此邮件为垃圾邮件 / 普通邮件 （3）流程 标注样本邮件为垃圾/普通邮件（人） 获取批量的样本邮件及其标签，学习其特征（计算机） 针对新的邮件，自动判断其类别（计算机） （4）样本特征 发件人包含字符：% & * … 正文包含：现金、领取等 其他特征 （5）处理流程使得每一个特征例如：包含字符 %： x1=0 或者 x1=1 ； 其次根据样本的特征值，获得 y = 0； 由此判断出是否为垃圾邮件。 二：解决分类问题的常用算法1. 逻辑回归 建立逻辑回归方程，判断样本属于哪一个样本类。 2. KNN邻近模型 判断样本与周边样本点之间的距离，来决定样本属于哪个样本类。 3. 决策树 通过大量的问题，来建立许多的分支，来逐步判断样本属于哪个样本类。 4. 神经网络 基于一些输入，自动会输出一些信号，用来判 ...

Professional Vocabulary Accumulation_008 Classification 分类 Decision Boundary 决策边界 Logistic Regression 逻辑回归 convert 转换 flag 旗

多因子房价预测一：影响房屋价格因素 地区平均收入 房屋平均年龄 房屋房间数量 地区人口数量 房屋尺寸大小 二：实现目标基于 housing_price.csv 数据，建立线性回归模型，预测合理房价： 以面积为输入变量，建立单因子模型，评估模型表现，可视化线性回归预测结果 以收入、房屋年龄、房间数量、人口数量、房屋尺寸为输入变量，建立多因子模型，评估表现 预测 收入=65000，房屋年龄=5，房间数量=5，人口数量=30000，房间尺寸=200的合理房价 三：代码实现1. 加载数据12345# load the dataimport pandas as pdimport numpy as npdata = pd.read_csv('housing_price.csv')data.head() 2. 可视化数据1234567891011121314151617181920212223242526# visualizing data# 内嵌绘图，可省略 plt.show() 这一步%matplotlib inli ...

最长回文子串题目给你一个字符串 s，找到 s 中最长的回文子串。 示例123输入：s = "babad"输出："bab"解释："aba" 同样是符合题意的答案。 12输入：s = "cbbd"输出："bb" 提示 1 <= s.length <= 1000 s 仅由数字和英文字母组成 动态规划图解 算法实现1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677package leetCode;/** * Author: Rupert Tears * Date: Created in 15:42 2022/11/11 * Description: Thought is already is late, exactly is the ear ...

Professional Vocabulary Accumulation_007 Grief is a complex emotion 悲伤是一种复杂的感情 that, as you konw, deals on its own terms. 正如你所知，有它自己的应对方式。 there is no “practice makes perfect.” 没有孰能生巧这一说法 Strength without faith means nothing 没有信仰的力量毫无意义 we need to have faith that we can get throught this together. 我们要有信心，相信我们能一起度过难关。 palindrome 回文 Visualizing Data 可视化数据 linear regression model 回归模型

Professional Vocabulary Accumulation_006 Dynamic programing 动态规划 Using an Alternate Config 使用代替配置 Site 网站 URL（Uniform Resource Locator） 统一资源定位器 directory 目录 writing 文章、作品 category & tag 分类和标签 home page setting 首页设置 Date/Time format 日期/时间格式 pagination 页码 extension 扩展 Alternate theme config 备选主题设置 include/exclude files or folders 包括/排除文件或文件夹 back to top 回到顶部