牛客题解官

分类

题解(475)

/ 注册

TA的专栏 74篇文章 2人订阅

牛客代码笔记-牛栋

74篇文章 239人学习

全部文章（共763篇）

题解|实现梯度下降

梯度下降是一种在机器学习中常用的优化算法，其计算步骤如下：初始化参数计算梯度本题采用MSE作为损失函数，其梯度为：更新参数重复上述步骤，直到收敛。本题中采用了三种梯度下降方法，分别是批量梯度下降（batch）、随机梯度下降（stochastic）和mini-batch梯度下降...

2025-02-05

0 60

题解|生成数据集的随机子集

生成数据集的随机子集（Random Subset of Dataset）是一种常用的数据处理方法，用于从数据集中随机选择一部分数据。标准代码如下 def get_random_subsets(X, y, n_subsets, replacements=True, seed=42): np....

2025-02-05

0 45

题解|生成多项式特征

生成多项式特征（Polynomial Features）是一种常用的数据处理方法，用于将输入特征转换为多项式特征。标准代码如下 def polynomial_features(X, degree): n_samples, n_features = np.shape(X) # Ge...

2025-02-05

0 53

题解|根据特征阈值划分数据集

根据特征阈值划分数据集（Feature Thresholding）是一种常用的数据处理方法，用于将数据集分为两部分，一部分满足特征阈值，另一部分不满足特征阈值。本题的关键是，要知道python中数值类型和字符串类型是不同的，不能直接比较，需要使用isinstance函数判断阈值类型，并且常用的数值...

2025-02-05

0 40

题解|生成频繁项集

频繁项集就是在交易数据中出现频率超过指定阈值的项集，常用于关联规则挖掘。通俗点说，频繁项集就是交易数据中出现得“够多”的项集。生成频繁项集可以归结为如下的递归过程从频繁k项集中组合出候选k+1项集统计候选k+1项集在交易数据中出现的次数过滤出频繁k+1项集（出现次数大于等于min_sup...

2025-02-05

0 59

题解|k近邻算法

k近邻算法是分类算法，通过计算测试样本与训练数据之间的距离，选择距离最小的k个样本作为测试样本的邻居，并根据这些邻居的类别进行投票，最终确定测试样本的类别。步骤：计算测试样本与训练数据之间的距离选择距离最小的k个样本作为测试样本的邻居根据这些邻居的类别进行投票，最终确定测试样本的类别（采用...

2025-02-05

0 45

题解|主成分分析

主成分分析是一种将高维数据降维的方法，它通过将高维数据投影到低维空间，来保留数据的主要特征。在本题中，PCA的实现方式是基于特征值分解的，其具体步骤如下： 1. 标准化数据将输入数据标准化，使得每个特征的均值为0，方差为1。数学表达式为： 2. 计算协方差矩阵计算标准化后的数据协方差...

2025-02-05

0 45

题解|交叉验证数据拆分

交叉验证是一种评估机器学习模型性能的方法，它通过将数据集分为训练集和测试集，来评估模型的性能。其目的在于评估模型在不同数据集上的表现，以确保模型的泛化能力；并且在数据量较少时，可以有效地评估模型的性能。本题中要求了将数据集分为k折，并且要求了随机种子，但是只需要在采样之前进行一次随机打乱即可。 ...

2025-02-05

0 39

题解|实现 k-Means 聚类算法

k-Means 聚类算法（k-Means Clustering）是一种常用的聚类算法，用于将数据集分为个簇。具体步骤如下：随机选择个点作为初始聚类中心。将每个点分配到最近的聚类中心本题使用欧几里得距离作为距离度量，即更新聚类中心为每个簇的平均值。重复步骤2和步骤3，直到聚类中心不再变...

2025-02-05

0 58

题解|检测过拟合或欠拟合

过拟合是指模型在训练数据上表现很好，但在测试数据上表现较差的现象。欠拟合是指模型在训练数据上表现较差，但在测试数据上表现较好的现象。本题中直接给出了训练数据上的准确率和测试数据上的准确率，所以只需要按照题意进行判断即可。标准代码如下 def model_fit_quality(training_...

2025-02-05

0 54