Sklearn.feature_selection.SelectFromModel class sklearn.feature_selection.SelectFromModel(estimator, *, threshold=None, prefit=False, norm_order=1, max_features=None)[source] 参数 Parameters - estimator_：一个估算器 用来建立变压器的基本估计器。 只有当一个不适合的估计器传递给SelectFromMod

image.png 其中\(r_{t}\)为reset门，用于重置上一step的状态。\(z_{t}\)为update门，用于得到当前step的状态。

很简单，就是统计x中的数出现次数，返回结果的最大长度就是x中的最大值+1，idx为对应的数，值为出现的次数，没有出现的为0。 x = np.array([7, 6, 2, 1, 4]) #

优劣解距离法Topsis 步骤 原始矩阵正向化 有四种指标： 极大型 极小型 中间型 区间型 正向化就是将其它的指标转化为极大型指标 极小型 -> 极大型： 中间型 ->

把数字翻译成字符串 题目： https://leetcode-cn.com/problems/ba-shu-zi-fan-yi-cheng-zi-fu-chuan-lcof/ 思路： dp思想，不用管是什么字符，定义dp[i]为长度为i时 有多少个方法 代码: class Solution: def translateNum(self, num: int) -> int: s = str(num) if len(s) < 2: return 1 dp

Seq2Seq （本文只介绍最原始的seq2seq，带有注意力在attention文章中） RNN 有关RNN Seq2Seq是典型的Encoder-decoder

DBSCAN属于密度聚类的一种。通常情形下，密度聚类算法从样 本密度的角度来考察样本之间的可连接性，并基于可连接样本不断扩展聚类簇 以获得最终的

参考：https://www.cnblogs.com/bill-h/p/14863262.html 大家可能听说过用于宣传数据挖掘的一个案例:

字符串转换整数 (atoi) https://leetcode-cn.com/problems/string-to-integer-atoi/ #重点是正则表达式 class Solution: def myAtoi(s: str): import re ss = re.findall("^[\+\-]?\d+",s.strip()) res = int(*ss) if res > (231-1): res = (231-1) if res < -231: res = -231 return res WA了四次才整出来，太菜了，以为很简单，没有认

基础就是高斯混合模型，假设我们熟知的高斯分布的概率密度函数为\(p(x\mid \mu, \Sigma)\)。则高斯混合分布为： \[ p_{\mathcal{M}}(\boldsymbol{x})=\sum_{i=1}^k \alpha_i \cdot p\left(\boldsymbol{x} \mid \boldsymbol{\mu}_i, \boldsymbol{\Sigma}_i\right) \] 分布