在数据挖掘中，数据往往会存在不完整的情况，本文主要采用拉格朗日插值法处理缺失值。拉格朗日插值法定义：对于某个多项式函数，已知有给定的K+1个取值点：其中x对应自变量的位置，y对应这函数在这个位置（每一个y值都不等于0）的取值。解设任意两个不同的Xj都互不相同，对应的拉格朗日插值所得到的拉格朗日插值多项式为：下面采用拉格朗日插值对缺失值进行插补，数据的形式

神经元和感知器的本质一样神经元和感知器本质上是一样的，只不过感知器的时候，它的激活函数是阶跃函数；而当我们说神经元时，激活函数往往选择为sigmoid函数或tanh函数。如下图所示：  输入节点    每一个输入节点对应一个权值，输入节点可以是任意数。权重   W1，W2...Wn偏置项   b激活函数      激活函数在神经网络中尤为重要，通过激活函数加入非线性

首先本人使用的是torch-2.6.0-cuda12.4-cudnn9-devel的镜像，对应的python版本是3.11，如果直接安装flash_attn-2.8.3+cu12torch2.6cxx11abiFALSE-cp311-cp311-linux_x86_64.whl就会报上面的错，下面是本人的解决方案。在这个路径下载flash_attn-2.7.4.post1+cu12torch2.6

​因为最近要把cuda10.0升级到cuda11,但是cuda11都不支持tensorflow1.1x版本，所以尝试从源码编译，目前tensorflow官方给出了ubuntu版本的编译方法，nvidia也提供了一款基于ubuntu的nvidia-tensorflow，直接安装在centos上，期间出现了各种问题，因此本文记录了在centos上编译tensorflow-gpu1.15版本的过程，仅供

上一篇博客主要介绍了决策树的原理，这篇主要介绍他的实现，代码环境python 3.4，实现的是ID3算法，首先为了后面matplotlib的绘图方便，我把原来的中文数据集变成了英文原始数据集：变化后的数据集在程序代码中体现，这就不截图了构建决策树的代码如下：#coding :utf-8'''2017.6.25 author :Erinfuncti

上篇博客转载了关于感知器的用法，遂这篇做个大概总结，并实现一个简单的感知器，也为了加深自己的理解。     感知器是最简单的神经网络，只有一层。感知器是模拟生物神经元行为的机器。感知器的模型如下：      给定一个n维的输入 ，其中w和b是参数，w为权重,每一个输入对应一个权值，b为偏置项，需要从数据中训练得到。激活函数 感知器的激活函数可以有很多选择，比如我们可以选择下

神经元和感知器的本质一样神经元和感知器本质上是一样的，只不过感知器的时候，它的激活函数是阶跃函数；而当我们说神经元时，激活函数往往选择为sigmoid函数或tanh函数。如下图所示：  输入节点    每一个输入节点对应一个权值，输入节点可以是任意数。权重   W1，W2...Wn偏置项   b激活函数      激活函数在神经网络中尤为重要，通过激活函数加入非线性