DBSCAN 聚类，是一种基于密度的聚类算法，它类似于均值漂移，DBSCAN 与其他聚类算法相比有很多优点，首先，它根本不需要固定数量的簇。它也会异常值识别为噪声，而不像均值漂移，即使数据点非常不同，也会简单地将它们分入簇中。另外，它更抗噪音，能够很好地找到任意大小和任意形状的簇。DBSCAN的聚类过程就是根据核心弱覆盖点来推导出最大密度相连的样本集合，首先随机寻找一个核心弱覆盖样本点，按照 Minpts 和 Eps 来推导其密度相连的点，然后再选择一个没有赋予类别的核心弱覆盖样本点，开始推导其密度相连的样本结合，一直迭代到所有的核心样本点都有对应的类别为止。作者博客中详细介绍了DBSCAN的算法原理，可以通过文章结合学习，代码包含详细注释，只需要导入自己的聚类数据，运行代码便可以得出聚类结论与图像。
2022-08-16 13:05:39
4KB
1
个人辛苦编写的PSO粒子群优化算法 python程序代码，将适应度值计算部分更换成自己要优化的内容，稍加调试即可运行。
粒子群优化算法(PSO：Particle swarm optimization) 是一种进化计算技术（evolutionary computation）。源于对鸟群捕食的行为研究。粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来寻找最优解。PSO的优势：在于简单容易实现并且没有许多参数的调节。目前已被广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。
2022-08-03 17:02:11
3KB
1
如果要从序列中随机挑选元素，我们可以使用random模块的random.choice()方法：
如果想要取出N个元素，将选出的元素一处以做进一步的考察，可以使用random.sample()方法：
如果我们只是想要打乱序列的顺序（洗牌），可以使用random.shuffle():
要产生随机数，可以使用random.randint()方法：
如果要产生0-1之间均匀分布的浮点数值，可以使用random.random()方法：
如果要得到N各随机比特位所表示的整数，可以使用random.getrandbits()方法:
请注意：
random模块使用 马特赛特旋转演算法（Mers
2022-07-23 11:22:36
165KB
1
前几天逛博客时看到了这样一道问题，感觉比较有趣，就自己思考了下方案顺便用python实现了一下。题目如下：
用一个二维数组表示一个简单的迷宫，用0表示通路，用1表示阻断，老鼠在每个点上可以移动相邻的东南西北四个点，设计一个算法，模拟老鼠走迷宫，找到从入口到出口的一条路径。
如图所示：
先说下我的思路吧：
1、首先用一个列表source存储迷宫图，一个列表route_stack存储路线图，一个列表route_history存储走过的点，起点（0,0），终点（4,4）。
2、老鼠在每个点都有上下左右四种方案可选，需要定义这些方案的执行方法。
3、最后做一个循环，如果当前点不是（4,4）的话就依次
2022-07-19 19:38:15
65KB
1
某网贷行业贷款，包括信用违约标签（因变量）、建模所需的基础与加工字段（自变量）、相关用户的网络行为原始数据，关于信用评分模型的应用以及实现，进行信用评分卡构建，以此来对客户贷款进行风险预警。
2022-07-09 21:20:11
45.5MB
1
本文实现的原理很简单，优化方法是用的梯度下降。后面有测试结果。
先来看看实现的示例代码：
# coding=utf-8
from math import exp
import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets.samples_generator import make_blobs
def sigmoid(num):
'''
:param num: 待计算的x
:return: sigmoid之后的数值
'''
if type(num) == int or type(num) == fl
2022-06-30 11:17:56
79KB
1