logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

机器学习 信息熵 条件熵 相对熵 交叉熵 基尼系数

机器学习 度量 信息熵 相对熵 交叉熵信息熵​在信息论或概率统计中,用熵(entropy)度量随机变量的不确定性。熵值越大,随机变量的不确定性就越大。而这个东西与我们决策树有什么关系呢?其实我们就是希望决策树的分支结点所包含的样本尽可能属于同一类别,即这个结点的“纯度”越来越高,而信息熵(information entropy)是度量样本集合纯度最常用的一种指标。​设 XXX 是一个...

#python#机器学习#决策树 +1
LeetCode 94 二叉树的中序遍历 C,Java,Python

LeetCode94 二叉树的中序遍历来源:力扣(LeetCode)链接:https://leetcode-cn.com/problems/binary-tree-inorder-traversal/博主Github:https://github.com/GDUT-Rp/LeetCode题目:给定一个二叉树,返回它的中序 遍历。示例 1:输入: [1,null,2,3]1...

Latex 公式 转换成 word 公式

Latex 公式 转换成 word 公式1.打开网址https://johnmacfarlane.net/texmath2.复制latex代码并转换成MathML3. 复制MathML代码到记事本等编辑器,添加头部<?xml version="1.0"?>4. 然后完整复制到word中就可以了...

MySQL 数据库命令行查询所有列名

MySQL 数据库命令行查询所有列名查询某个数据库中某个表的所有列名SELECT COLUMN_NAME FROM information_schema.COLUMNSWHERE TABLE_SCHEMA = 'db_name' AND TABLE_NAME = 'tb_name';查询某个数据库中某个表的所有列名,并用逗号连接SELECT GROUP_CONCAT(COLUMN_NAME SEP

2020 MCM Problem C “A Wealth of Data” 题目及翻译 美国大学生数学建模 美赛

2020 MCM Problem C “A Wealth of Data” 题目及翻译 美国大学生数学建模 美赛题目官网https://www.comap.com/undergraduate/contests/mcm/contests/2020/problems/2020_MCM_Problem_C.pdf题目Problem C: “A Wealth of Data”In the onl...

Python3.6安装及Pycharm的安装教程

Python3.6及Pycharm的安装教程Python3.6下载步骤:1、 进入网址:https://www.python.org/downloads/release/python-362/2、 找到匹配的版本:3、 安装:4、 测试安装成功与否:以下是PyCharm编译器下载安装:1、 下载,网址:http://www.jetbrains.com/pycharm/download/#secti

conda CondaHTTPError: HTTP 404 NOT FOUND for url

装库时发生的错误信息:CondaHTTPError: HTTP 404 NOT FOUND for url https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/noarch/repodata.json经过查找,有相似经历的网友:https://discuss.gluon.ai/t/topic/10332/3开始解决:conda confi...

#conda#bug
Python 垃圾回收机制 (引用计数+标记清除+分代回收)

Python垃圾回收机制(引用计数+标记清除+分代回收)Python中的垃圾回收是以引用计数为主,分代收集为辅。引用计数的缺陷是循环引用的问题。在Python中,如果一个对象的引用数为0,Python虚拟机就会回收这个对象的内存。有三种情况会触发垃圾回收:1.调用gc.collect(),2.当gc模块的计数器达到阀值的时候。3.程序退出的时候gc模块的自动垃圾回收机制必须...

Python 实现 距离公式 欧式距离、余弦距离、曼哈顿距离

距离公式 python1、欧式距离(Euclidean Distance)计算公式:(x1−x2)2+(y1−y2)2\sqrt{(x_1-x_2)^2+(y_1-y_2)^2}(x1​−x2​)2+(y1​−y2​)2​Python# 计算欧氏距离def distEclud(vecA, vecB):return np.sqrt(np.sum(np.power((vecA...

到底了