kd树是一种对k维空间中的实例点进行存储，以便对其进行快速检索的树形数据结构。kd树是二叉树，表示对k维空间的一个划分。构造kd树相当于不断地用垂直于坐标轴的超平面将k维空间切分，构成一系列的k维超矩形区域。kd树的每个节点对应于一个...

笛卡尔积笛卡尔乘积是指在数学中，两个集合X和Y的笛卡尓积（Cartesianproduct），又称直积，表示为X×Y，第一个对象是X的成员而第二个对象是Y的所有可能有序对的其中一个成员。例如，A={a,b},B={0,1,2}，...

概率模型与非概率模型的区别在于模型的内在结构。概率模型一定可以表示为联合概率分布的形式，其中的变量表示输入、输出、因变量甚至参数。而针对非概率模型则不一定存在这样的联合概率分布。统计学习的模型可以分为概率模型（probabilisti...

超参搜索算法一般包括的要素（1）目标函数（2）搜索范围，上限和下限缺点（3）其他参数，如搜索步长。网格搜索查找搜索范围内所有的点来确定最优值；实际应用中先用较大搜索范围和较大步长，寻找全局最优值可能位置；然后逐步缩小搜索范围和搜索步长...

过拟合是指学习时选择的模型所包含的参数过多，以至出现这一模型对已知数据预测得很好，但对未知数据预测得很差的现象。当训练集效果差，欠拟合（如accuracy<0.8）；训练集效果好，测试集效果差，过拟合欠拟合解决方法：增加特征提高...

混淆矩阵，又称误差矩阵，就是分别统计分类模型归错类，归对类的观测值个数，然后把结果放在一个表里展示出来。这个表就是混淆矩阵。混淆矩阵是ROC曲线绘制的基础，同时它也是衡量分类型模型准确度中最基本，最直观，计算最简单的方法。TN：Tru...

TP：将正类预测为正类数FN：将正类预测为负类数FP：将负类预测为正类数TN：将负类预测为负类数分类任务指标Accuracy（准确率）：分类正确的样本占总样本个数的比例缺点：不同类...

经验风险（经验损失）：模型关于训练数据集的平均损失R_{\rmsrm}(f)=\...

回归模型常用的损失函数有：0-1损失函数：L...

确定问题：有监督问题还是无监督问题？回归问题还是分类问题？数据收集与处理特征工程：包括特征构建、特征选择、特征组合等模型训练、调参、评估：包括模型的选择，选择最优的参数模型部署：模型在线上运行的效果直接决定模型的成败

一、操作上需避免的坑1、不要一个手机切换登录不同抖音号，做到一机一卡一号。2、不要花钱去互粉、互赞、刷粉、刷赞，没有任何意义，还会被平台降权3、不要过于频繁的发布作品，会被平台判定为营销号，每天最多2-3个，发布作品之间最好间隔几...

PythonGC主要使用引用计数（referencecounting）来跟踪和回收垃圾。在引用计数的基础上，通过“标记-清除”（markandsweep）解决容器对象可能产生的循环引用问题，通过“分代回收”（generatio...

引用和copy(),deepcopy()的区别importcopya=[1,2,3,4,[&039;a&039;,&039;b&039;]]原始对象b=a赋值，传对象的引用c=copy.copy...

__foo__:一种约定,Python内部的名字,用来区别其他用户自定义的命名,以防冲突，就是例如__init__(),__del__(),__call__()这些特殊方法_foo:一种约定,用来指定变量私有.程序员用来指定私有变量的...

Python其实有3个方法,即静态方法(staticmethod),类方法(classmethod)和实例方法,如下:deffoo(x):print"executingfoo(%s)"%(x)c...