1、背景和分析本次数据挖掘建模目标如下：1、归纳出漏窃电用户的关键特征，构建窃漏电用户的识别模型2、利用实时检测数据，调用窃漏电用户识别模型实现实时的检测2、代码import warningswarnings.filterwarnings('ignore')import numpy as npimport pandas as pdimport matplotli...

梯度的上升与下降一、什么是梯度先理解下什么是梯度，用通俗的话来说就是在原变量的基础上每次迭代增加一定的量，比较各个变量下目标函数的大小。例如有一个目标函数 y = 2χ2,那么求目标函数的最小值，我们先给x赋一个值-5，然后每次给x加一个值（有正负方向的值），这样y每次都会有一个值，当值减小幅度达到一定精确度时停止，这是的x就是我们求的最优解。二、直接来看代码吧#先导入相关的包im...

决策树CART与梯度提升树GBDT1、CART分类回归树简介CART分类回归树是一种典型的二叉决策树，可以做分类和回归，如果待预测结果是离散数据，则CART生成分类决策树，如果待预测结果是连续型数据，则CART生成回归决策树，数据对象的属性特征为离散型和连续型，并不是区别分类树与回归树的标准。作为分类决策树，待预测的样本落至某一个叶子节点，则输出该叶子节点所有样本所属类别最多的那一类(即叶子节..

天池工业蒸汽量预测一、赛题背景火力发电的基本原理是：燃料在燃烧时加热水生成蒸汽，蒸汽压力推动汽轮机旋转，然后汽轮机带动发电机旋转，产生电能。在这一系列的能量转化中，影响发电效率的核心是锅炉的燃烧效率，即燃料燃烧加热水产生高温高压蒸汽。锅炉的燃烧效率的影响因素很多，包括锅炉的可调参数，如燃烧给量，一二次风，引风，返料风，给水水量；以及锅炉的工况，比如锅炉床温、床压，炉膛温度、压力，过热器的温度等..

Adaboost提升树一、bagging与boostingbagging即套袋法，通过对训练样本重新采样的方法得到不同的训练样本集，在这些新的训练样本集上分别训练学习器，最终合并每一个学习器的结果，作为最终的学习结果。随机森林就是采用的该方法，不同树之间是相互独立的，每个树的权重都是一样的，这样可以是树可以并行的运行。boosting算法与baging算法不同的是，学习器之间是存在先后顺序...

机器学习激活函数的使用使用神经网路时，需要决定使用哪种激活函数在隐藏层，哪种用在输出节点上，常见的激活函数有sigmoid, tanh, Relu1、三种不同的激活函数sigmoid(z):a=σ(z)=11+ξ−za = \sigma(z) = \frac{1}{1+\xi^{-z}}a=σ(z)=1+ξ−z1​tanh(z):a=tanh(z)=ξz−ξ−zξz+ξ−za = tanh...

Adaboost提升树一、bagging与boostingbagging即套袋法，通过对训练样本重新采样的方法得到不同的训练样本集，在这些新的训练样本集上分别训练学习器，最终合并每一个学习器的结果，作为最终的学习结果。随机森林就是采用的该方法，不同树之间是相互独立的，每个树的权重都是一样的，这样可以是树可以并行的运行。boosting算法与baging算法不同的是，学习器之间是存在先后顺序...

Tensorflow，cnn，dnn中的全连接层的理解上一篇我们讲了使用cnn实现

数据清洗之缺失值处理–拉格朗日插值法、牛顿插值法在数据数据分析的工作中，数据清洗主要是删除原始数据集中的无关数据，重复数据，平滑噪声数据，筛选掉与挖掘主题无关的数据，处理缺失值，异常值等。1、缺失值处理处理缺失值的方法可以分为3类：删除记录，数据插补和不处理，其中常用的数据插补方法右以下几种。插补方法方法描述均值/中位数/众数插补根据属性值的类型，用该属性取值的平均数...

验证码的去噪一、目的：针对现在网站的验证码存在许多噪声， 所以计算机在识别时会出现一些错误， 所有就要使用一些方法来将一些干扰线，也就是“噪音” 进行去噪，这儿使用opencv(cv2)，和 opencv来实现验证码的去噪.二、主要步骤：0、导包import cv2import numpy as no1、读取图片，图片的灰度化处理img = cv2.imread('./...