函数：pearsonr(x,y)功能：计算特征与目标变量之间的相关度参数说明：1）输入：x为特征，y为目标变量.2）输出：r： 相关系数 [-1，1]之间，p-value: p值。注： p值越小，表示相关系数越显著，一般p值在500个样本以上时有较高的可靠性。示例：数据样本数：1000特征数：3（3维数据）重要特征：1from sklearn.datasets import make_regres

文章目录一，什么是贪婪算法二，最短路径三，使用贪婪解题策略的演算法3.1 活动选择问题3.2 贪婪选择（Greedy options）3.3 将动态规划解转化为贪婪解一，什么是贪婪算法解决最简化问题的演算法，其解题过程可看成是由一连串的决策步骤所组成，而每一步骤都有一组选择要选定。贪婪演算法的特性是 每一次选择都采取区域最佳接（locally optimal solution），而透过每一个区域最

文章目录数学原理参数说明示例官方网站：sklearn.feature_selection.f_regressionsklearn.feature_selection.f_regression（X，y，center = True ）数学原理单变量线性回归测试。用于测试许多回归变量各自的效果的线性模型。这是要在特征选择过程中使用的评分功能，而不是独立式特征选择过程。分两个步骤完成：计算每个回归变量与目

文章目录一，函数二，参数说明三，方法四，示例五，使用SelectFromModel和LassoCV选择特征一，函数class sklearn.feature_selection.SelectFromModel(estimator,*, threshold=None, prefit=False, norm_order=1,max_features=None)[source]元变压器，用于根据重要性权

文章目录如何使用SelectKBest使用实例官网：sklearn.feature_selection.SelectKBest如何使用SelectKBest根据给定的选择器选择出前k个与标签最相关的特征。class sklearn.feature_selection.SelectKBest(score_func=<function f_classif>, *, k=10)参数说明：Pa

离散型的分布一，0-1分布有2种结果，实验只做1次。P(X = k) = pk(1-p)1-k数学期望：E(X) = p方差：Var(X)=p(1-p)二，几何分布P(A) = p，事件A在第k次首次发生（前k-1次均未发生）。记作：X ~ G(p)P(X = k) = (1-p)k-1p数学期望：1/p方差：(1-p)/p2三，二项分布P(A) = p，在n次...

文章目录一，什么是关键路径二，求解关键路径需要的4个描述量三，如何求得关键路径视频参考：6.6.4关键路径2–求解关键路径一，什么是关键路径【引例 1】某项目的任务是对A公司的办公室重新进行装修如果10月1日前完成装修工程，项目最迟应该合适开始？（需要完成的活动、每个活动所需时间、及先期需完成工作如下图所示）【引例 2】准备一个小型家庭宴会，晚6点宴会开始，最迟几点开始准备？压缩哪项活动时间可以使

文章目录一，什么是关键路径二，求解关键路径需要的4个描述量三，如何求得关键路径视频参考：6.6.4关键路径2–求解关键路径一，什么是关键路径【引例 1】某项目的任务是对A公司的办公室重新进行装修如果10月1日前完成装修工程，项目最迟应该合适开始？（需要完成的活动、每个活动所需时间、及先期需完成工作如下图所示）【引例 2】准备一个小型家庭宴会，晚6点宴会开始，最迟几点开始准备？压缩哪项活动时间可以使