PyTorch学习（一）前言一、PyToch工具包二、代码测试1.张量（Tensor）初始化2.Operators张量操作3.Tensor与Numpy的转化总结前言Pytorch框架无缝替换NumPy，并且通过利用GPU的算力来实现神经网络的加速。通过自动微分机制，来让神经网络的实现变得更加容易。斯是陋室，惟吾德馨一、PyToch工具包torch ：类似 NumPy 的张量库，强 GPU 支持 ；

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档k-means：k均值聚类算法前言一、聚类任务性能度量距离度量（distance measure）原型聚类（基于原型的聚类 prototype-based clustering）密度聚类（基于密度的聚类 density-based clustering）层次聚类（hierarchical clustering）二、K均值聚类算法clu

贝叶斯Bayes - Thomas Bayes前言一、贝叶斯决策论（Bayesian decision theory）二、实例：高斯朴素贝叶斯 Gaussian Naive Bayes (GaussianNB)1.引入库2.生成数据3.高斯朴素贝叶斯模型总结前言在介绍贝叶斯之前，我们先了解一下几个概率相关的定义：条件概率（后验概率）：事件A在另一个事件B已经发生的条件下发生概率，公式表示为P(A|

集成学习（ensemble learning）通过构建并结合多个学习器来完成任务，也可以称为“多分类器系统”（multi-classifier system）、“基于委员会学习”（committee-based learning）等。

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档k-means：k均值聚类算法前言一、聚类任务性能度量距离度量（distance measure）原型聚类（基于原型的聚类 prototype-based clustering）密度聚类（基于密度的聚类 density-based clustering）层次聚类（hierarchical clustering）二、K均值聚类算法clu

决策树可视化说明可视化结果说明决策树相关内容，详情可见 决策树算法Graphviz是一个开源的图（Graph）可视化软件，采用抽象的图和网络来表示结构化的信息。在数据科学领域，Graphviz的一个用途就是实现决策树可视化。为了将决策树可视化，首先需要创建一个dot文件来描述决策树，使用Graphviz将dot文件转换为图形文件，如png、jpg等。安装graphviz库详细安装过程，可参考Gra

提示：这里是一只努力肯????的小白 有错就改 非礼勿喷:)决策树算法前言一、决策树学习基本算法1.信息熵（Information Entropy）2.信息增益（Information gain）- ID3决策树3.增益率（Gain Ratio）- C4.5决策树4.基尼指数（Gini Index）- CART决策树5.剪枝处理（Pruning）（1）预剪枝（prepruning）（2）后剪枝（p

贝叶斯Bayes - Thomas Bayes前言一、贝叶斯决策论（Bayesian decision theory）二、实例：高斯朴素贝叶斯 Gaussian Naive Bayes (GaussianNB)1.引入库2.生成数据3.高斯朴素贝叶斯模型总结前言在介绍贝叶斯之前，我们先了解一下几个概率相关的定义：条件概率（后验概率）：事件A在另一个事件B已经发生的条件下发生概率，公式表示为P(A|

贝叶斯Bayes - Thomas Bayes前言一、贝叶斯决策论（Bayesian decision theory）二、实例：高斯朴素贝叶斯 Gaussian Naive Bayes (GaussianNB)1.引入库2.生成数据3.高斯朴素贝叶斯模型总结前言在介绍贝叶斯之前，我们先了解一下几个概率相关的定义：条件概率（后验概率）：事件A在另一个事件B已经发生的条件下发生概率，公式表示为P(A|