概述 说起线性回归，首先要介绍一下机器学习中的两个常见的问题：回归任务和分类任务。那什么是回归任务和分类任务呢？简单的来说，在监督学习中（也就是有标签的数据中），标签值为连续值时是回归任务，标志值是离散值时是分类任务。而线性回归模型就是处理回归任务的最基础的模型。 前言 什么是线性回归，我们首先用弄清楚什么是线性，什么是非线性，还有回归到底是什么意思？ 线性：两个变量...

摘要 用户画像，即用户信息标签化,是通过收集用户的社会属性、消费习惯、用户偏好、生活习惯、用户行为等各个维度的数据而抽象出来的标签化用户模型。通俗说就是给用户打标签，而标签是通过对用户信息分析而来的高度精炼的特征标识。通过打标签可以利用一些高度概括、容易理解的特征来描述用户，可以让人更容易理解用户，并且可以方便计算机处理。 标签化就是数据的抽象能力。 互联网下半场精细化运营...

概述 K-means算法，也称为K-平均或者K-均值，一般作为掌握聚类算法的第一个算法。 这里的K为常数，需事先设定，通俗地说该算法是将没有标注的 M 个样本通过迭代的方式聚集成K个簇。 在对样本进行聚集的过程往往是以样本之间的距离作为指标来划分。 简单Demo说明 如上图以 K 为2，样本集为M 来描述KMean算法，算法执行步骤如下： 选取K个点做为初始聚集的簇心（...

概述 KNN可以说是最简单的分类算法之一，同时，它也是最常用的分类算法之一，注意KNN算法是有监督学习中的分类算法，它看起来和另一个机器学习算法Kmeans有点像（Kmeans是无监督学习算法），但却是有本质区别的。那么什么是KNN算法呢，接下来我们就来介绍介绍吧。 原理介绍 KNN的全称是K Nearest Neighbors，KNN是通过测量不同特征值之间的距离进行分类。它的思路是...

摘要 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其...

摘要 初步理解一下： 对于一组输入，根据这个输入，输出有多种可能性，需要计算每一种输出的可能性，以可能性最大的那个输出作为这个输入对应的输出。 那么，如何来解决这个问题呢？ 贝叶斯给出了另一个思路。根据历史记录来进行判断。 思路是这样的： 1、根据贝叶斯公式：P（输出|输入）=P（输入|输出）*P（输出）/P（输入） 2、P（输入）=历史数据中，某个输入占所有样本的比例； 3、P（...

摘要 朴素贝叶斯分类器是一系列以假设特征之间强（朴素）独立下运用贝叶斯定理为基础的简单概率分类器。 应用场景 病人分类的例子 某个医院早上收了六个门诊病人，如下表。 症状 职业 疾病 打喷嚏 护士 感冒 打喷嚏 农夫 ...

名词解释 样本数据：已经知道结果的历史数据，每一条独立的数据叫做样本。例如：一条用 户基本信息数据,包括：姓名、年龄、性别、出生地、职业、手机号。 特征：对模型训练、预测产生影响的因素称为特征。如：年龄、性别、出生地、职业。数据集：用于训练模型前准备的初始数据。 训练集：用于模型构建，在数据集中获取部分样本，用于训练模型中使用的数据称为训练集。 测试集：测试集是用于生成模...

cat /sys/class/power_supply/axp288_fuel_gauge/subsystem/axp288_fuel_gauge/uevent 参考地址 https://blog.csdn.net/u010925447/article/details/81412075

参考地址 https://www.cnblogs.com/yuzaipiaofei/p/4124103.html https://www.jianshu.com/p/32d3163409fe https://www.cnblogs.com/floud/p/10545924.html https://www.cnblogs.com/milton/p/10133850.html https:/...